35mm 필름 스캔 및 후처리 과정 자동화 경험
Automating my 35mm film scanning pipeline
아날로그 35mm 필름 사진의 수작업 스캔 및 후처리 과정 전체를 자동화하는 개인 디지털 워크플로우를 완성했습니다.
아날로그 필름 사진처럼 시간이 많이 걸리던 영역의 디지털화가 인공지능과 코딩을 통해 효율적으로 구현될 수 있음을 보여줘요.
- 이미지 분석 모델(LaMa)을 활용해 필름의 미세한 먼지까지 복원하며, Qwen3-VL과 같은 AI가 촬영 정보와 상세 태그를 자동으로 생성합니다.
- 섬세한 지식과 시간이 필요했던 아날로그 영역의 디지털화가 AI와 코딩을 통해 효율적으로 구현될 수 있음을 보여줍니다.
- 다만, 본 파이프라인은 특정 스캐너와 개인 촬영 환경을 기반으로 구축된 고도로 커스터마이징된 프로젝트라는 점을 참고해야 합니다.
필름 사진의 수작업 프로세스는 시간이 많이 소요되어, 36장 분량의 필름 한 롤을 완전히 스캔하고 편집하는 데 평균 약 4시간이 걸렸습니다. 이로 인해 작가는 개인 디지털 연구실 전반에 걸쳐 작업 시간을 단축하거나 운영 과정을 간소화할 방법을 모색하기 시작했습니다. 초기 자동화 시도로는 가 SANE 드라이버를 이용해 스캐너를 구동하도록 했으나, 첫 시도에서 스캐너의 기어 메커니즘에 손상을 입히기도 했습니다.
자동화된 파이프라인은 여러 기술을 조합하여 구축되었습니다. 네거티브를 포지티브로 변환하는 과정에는 필름 밀도를 측정하고 색상 보정을 하는 *numpy* 루틴이 사용됩니다. 먼지 제거는 이미지 분석을 통해 이루어지며, LaMa(인페인팅 모델)가 주변의 깨끗한 영역에서 디테일을 복사하여 발견된 자국을 채워 넣습니다. 또한, Qwen3-VL은 스캔된 프레임마다 로컬 환경에서 실행되어 태그를 작성하며, 카메라, 렌즈, 날짜 등의 데이터와 결합해 검색 가능한 종합 라이브러리를 만듭니다.
후처리 과정 외에도 출판 워크플로우가 확장되었습니다. 이미지는 Cloudflare 계정을 통해 개인 R2 버킷에 업로드됩니다. 전시 경험을 위해 3js를 활용하여 필름 카니스터와 같은 물리적 디스플레이 모델을 제작했습니다. 이 프로젝트는 총 11일 동안 진행되었으며, 현재까지 22롤과 314장의 사진이 포함된 갤러리를 완성했습니다.
용어 풀이
- 에이전트
- 목표를 받으면 스스로 계획을 세우고 도구를 써서 여러 단계의 작업을 해내는 AI.
필름의 먼지나 흠집은 어떤 기술로 복원하나요?
이미지 분석을 통해 먼지를 제거하며, LaMa라는 인페인팅 모델이 주변의 깨끗한 영역에서 디테일을 복사하여 발견된 자국들을 채워 넣어요.
사진에 대한 검색 가능한 정보는 어떻게 만드나요?
Qwen3-VL이 스캔된 프레임마다 로컬 환경에서 실행되어 태그를 작성해요. 이 태그는 카메라, 렌즈, 날짜 등의 데이터와 결합하여 검색 가능한 종합 라이브러리를 만들어요.