인간 중심 이미지 압축: 공개 이미지 활용한 새로운 손실 압축 패러다임

본 논문은 저비트레이트 상황에서 기존 손실 압축 방식이 초래하는 시각적 품질 저하를 극복하기 위해 ‘인간 이미지 압축(Human Image Compression)’이라는 새로운 패러다임을 제안한다. 핵심 아이디어는 두 명의 인간 참여자를 활용해 이미지 압축 과정을 인간의 시각적 우선순위와 공개 도메인 이미지 자원을 직접 이용하는 것이다. 먼저, ‘설명자’는 목표 이미지를 눈으로 관찰하고, 자연어로 이미지의 주요 구성 요소, 색상, 질감 등을 서술한다. 이때 설명자는 인터넷에 존재하는 유사 이미지의 URL을 함께 제공함으로써 재구성자가 해당 요소를 빠르게 찾아 사용할 수 있게 한다. ‘재구성자’는 설명자의 지시를 따라 이미지 편집 툴을 이용해 크롭, 스케일, 회전, 합성 등을 수행한다. 재구성 과정은 실시간 스카이프 화면 공유를 통해 설명자에게 진행 상황을 보여주며, 필요 시 추가 지시를 받는다. 압축된 데이터는 설명자가 전송한 텍스트만을 대상으로 하며, 이는 타임스탬프를 제거하고 bzip2 압축을 적용해 최종 비트 수를 산출한다. 재구성된 이미지 자체는 압축 비용에 포함되지 않는다. 이렇게 얻어진 텍스트 압축량은 전통적인 이미지 압축 알고리즘이 생성하는 파일 크기와 직접 비교할 수 있다. 실험은 13장의 고해상도 비공개 사진(인물, 풍경, 스케치 등)으로 구성된 데이터셋을 사용했다. 각 사진에 대해 인간 압축과 최신 이미지 압축기인 WebP를 동일한 파일 크기로 맞춘 뒤, Amazon Mechanical Turk에서 100명 이상의 작업자를 모집해 두 이미지의 시각적 만족도를 1~10 점 척도로 평가했다. 결과는 인간 압축이 특히 의미적 요소가 풍부한 장면에서 높은 점수를 받았으며, WebP는 동일 비트레이트에서 블러링과 색상 왜곡이 두드러졌다. 특히, 인간 압축은 공개 이미지 데이터베이스를 활용해 원본과 거의 동일한 의미적 구성을 재현하면서도 저장 공간을 크게 절감할 수 있음을 보여준다. 논문의 주요 기여는 다음과 같다. (1) 인간의 시각적 판단을 직접 압축 과정에 삽입함으로써 의미 중심 손실 함수를 설계할 수 있는 실험적 기반을 제공한다. (2) 공개 도메인 이미지와 자연어 지시를 결합한 압축 방식이 실제 저장 공간 절감에 기여함을 실증한다. (3) 인간‑기계 상호작용을 통한 압축·복호화 과정을 모델링함으로써 기존 알고리즘과의 비교 프레임워크를 제시한다. 하지만 한계도 명확하다. 인간 재구성자의 행동은 재현 가능성이 낮아 현재 형태로는 자동화된 압축 파이프라인에 바로 적용하기 어렵다. 텍스트 지시의 표준화와 자동화가 필요하며, 인간 참여 비용이 높다. 향후 연구에서는 자연어 처리와 이미지 검색 모델을 이용해 인간 지시를 자동화하고, GAN 기반 생성 모델과 결합해 의미‑중심 저비트레이트 압축기를 설계하는 방향이 제시된다. 이러한 연구는 인간이 실제로 중요하게 여기는 시각적 요소를 정량화하고, 차세대 이미지 압축 표준에 반영하는 데 큰 기여를 할 것으로 기대된다.