“AI야, 내 얼굴에 윈터의 코가 붙으면 어떨까?”
‘일’상의 AI 시리즈
② “AI야, 내 얼굴에 윈터의 코가 붙으면 어떨까?”
요즈음 ‘코 성형’ 전문 성형외과 의사들이 제일 많이 보는 사진은 바로 에스파 윈터입니다. 남자의 경우 배우 박보검의 코가 가장 인기가 많다고 합니다. 이 두 연예인 코의 공통점은 바로 ‘자려함’입니다. 자연스러움과 화려함의 합성어인 ‘자려함’을 가진 코는 콧대는 높지만 너무 화려하지 않고, 적당한 높이와 각도의 코끝으로 개인에게 맞춤화된 스타일을 안겨 줍니다.
2000년대 초반까지만 해도 이효리, 민효린의 코처럼 얇고 화려하면서 코끝이 높은 버선 모양이 유행이었습니다. 그러나 개성 있는 스타일이 트렌드가 되면서, 미의 기준도 개인화되어 자연스러우면서도 드라마틱한 변화를 추구하게 된 겁니다. 과거에 ‘버선 코’가 트렌드였다면, 이제는 일정한 코 스타일보다는 자신에게 어울리는 자연스러우면서도 화려한 코를 원하는 경우가 많습니다.
갑자기 코 성형 트렌드 이야기를 한 이유가 있습니다. 이는 제가 만드는 제품, 성형 정보 플랫폼의 고객이 가진 가장 큰 문제이기 때문입니다. 이 고객의 문제를 AI가 어떻게 풀어낼 수 있을지, 그 배경을 좀 더 알아보겠습니다.
“내 얼굴에 윈터의 코를 만들어 줘”
바뀐 트렌드로 고객은 코 모양이 어떤 모습으로 변할지 예측하기가 어렵게 되었습니다. 성형수술은 한 번 하면 되돌리기 어려운 만큼 결과물에 대해 많은 고민이 필요합니다. 그래서 또한, 이를 잘 구현해 줄 병원을 찾는 것이 중요합니다.
현재는 병원에 직접 방문해야 상담을 통해 예상되는 결과물을 구두로 설명받거나 시뮬레이션으로 확인할 수 있습니다. 이는 수술을 진행할 병원을 결정하기 위한 필수 탐색 과정입니다.
병원 탐색 과정에서 고객들은 자신이 원하는 얼굴 모양과 분위기를 만들어 줄 병원을 찾기 위해 많은 검색과 탐색을 합니다. 먼저 어떤 미용 또는 외형적 고민이 있는지 스스로 파악한 후, 고민인 부위를 잘 해결할 것 같은 병원 목록을 만듭니다. 병원별, 즉 의사에 따라 추구하는 미의 기준이 다르기 때문에 원하는 스타일의 결과물을 제공하는 병원을 찾는 과정은 매우 중요합니다.
성형 커뮤니티에서는 ‘병원 투어’라는 용어가 있습니다. 이는 성형 수술을 받을 병원을 결정하기 위해 여러 병원을 직접 방문해 상담을 받는 과정을 의미합니다. 이 과정은 시간이 많이 걸리고 에너지가 많이 소요되지만, 수술 후 완전히 원래 모습으로 돌아가기 어렵기 때문에 신중하게 병원을 선택하는 것이 중요합니다. 성형 커뮤니티 앱이나 웹사이트에서는 “병원 상담을 받는 데 너무 많은 시간이 걸리고 힘들다”, “병원마다 제안하는 스타일이 다르니 어떤 것이 나에게 맞을지 모르겠다”는 고민 글이 자주 올라옵니다.
이처럼 성형을 고민하는 고객들이 원하는 결과물을 결정하고 병원을 찾을 때 주로 사용하는 성형 정보 플랫폼으로는 바비톡과 강남언니가 있습니다. 만약 이 플랫폼의 고객이 AI를 활용하여 집에서 “내 얼굴에 윈터의 코를 만들어줘"라는 간단한 프롬프트를 통해 결과물을 예측할 수 있다면, 고객 여정에서 가장 많은 시간을 소요하는 상담 과정부분의 어려움을 해결할 수 있을 것입니다.
고민이 많아지고 과정이 길어질수록 고객 이탈 가능성도 커지기 때문에, 이를 개선하는 것은 매우 중요합니다. 성형수술을 결심하고 수술을 받기까지 여정에서 발생하는 고객의 문제를 해결하고자 바비톡 앱에 성형 트렌드를 반영한 생성형 AI를 접목해 보려 합니다.
AI로 구현하는 윈터 코: 생성형 AI 기반 가상 성형 기획
앞서 언급했듯이, 실제로 수술을 예약하기 전까지는 많은 시간과 노력이 소요된다는 허들이 있습니다. 이 고객 여정을 바탕으로 생성형 AI를 활용하여 가상 성형 기능을 기획해 보고자 합니다. 우선 제품의 문제점으로 ‘고객 여정 중 원하는 스타일 결정과 병원 탐색 단계에서 이탈이 빈번하게 발생한다’고 가정하겠습니다. 이 구간에서 이탈하는 고객은 서비스 재사용률이 떨어질 가능성이 큽니다. 이때, 문제의 원인은 시장일 수도 있고, 제품일 수도 있습니다. 만약 시장의 문제라면 고객이 이 과정에서 겪는 문제를 리서치와 인터뷰를 통해 파악할 수 있습니다. 여기서 고객의 페인포인트는 병원을 찾고 상담을 통해 원하는 결과물을 찾는 데 너무 많은 시간과 노력이 든다는 것입니다.
이 가상 기획에서 제시하는 해결 방안은 “AI를 활용하여 현재 조건에서 원하는 결과를 제공할 병원을 찾는 기능을 제공하는 것”입니다. 이렇게 하면 고객이 직접 병원을 방문하지 않고도 자신에게 맞는 병원을 찾을 수 있게 됩니다.
앱에서 첫 여정 단계는 고민 부위를 결정하고 얼굴 사진을 촬영하는 일입니다. 곧 이미지 인식 기술을 사용하여 촬영한 사진에서 변형할 이미지와 성형학적 특징을 판별합니다. 이때는 얼굴 각도와 표정 등을 고려한 이미지 가이드라인을 제공하여, 사용자가 해당 가이드에 맞춰 사진을 촬영할 수 있도록 해야 합니다. 촬영한 사진의 인식이 완료되면 자가 진단을 진행합니다. 피부 두께, 탄력, 상처 회복 시간 등 정성적 데이터를 간단한 설문을 통해 수집하여 변형할 이미지 준비를 마무리합니다.
이 자가 진단 정보와 이미지 인식에서 판별된 인구학적 정보를 이미지 생성 프롬프트에 함께 적용하면, 유전적 특징에 기반한 보다 정확한 결과물을 생성할 수 있습니다. 예를 들어, 코끝 연골을 묶어 뭉뚝한 코끝을 개선하는 수술은 동양인보다 서양인의 코뼈 구조에서 더 효과적입니다. 따라서 한국인이 코끝 모양을 고민할 때는, 코끝 묶기 수술을 제외하고 본인의 피부 상태와 뼈 상태에 맞는 스타일을 제시해야 합니다.
이제 고객이 원하는 스타일을 보여주기 위해 미리 수집된 데이터와 현재 유행하는 눈, 코 모양 등을 반영하여 달리(DALL-E), 스테이블 디퓨전(Stable Diffusion), 또는 미드저니(Midjourney)와 같은 이미지 생성 AI의 프롬프트에 입력합니다.
기능을 구현했을 때, 고객의 경험을 예시로 설명해 보겠습니다. 코 성형을 결심한 고객은 먼저 얼굴을 촬영합니다. 이어 피부가 두꺼운 편인지, 얇은 편인지, 탄력과 신축성이 어느 정도 되는지 자가 진단을 진행합니다. 그리고 원하는 결과물 스타일에 ‘윈터 코’ 또는 ‘자려한 코’를 입력합니다. 자가 진단의 답변과 선택한 스타일을 바탕으로 서비스는 프롬프트를 생성하여 현재 자신의 코 모양과 피부 상태를 바탕으로 윈터의 코가 어떻게, 얼만큼까지 유사하게 구현될 수 있을지 예측한 이미지를 생성합니다. 이로써 고객은 병원을 가지 않고도 원하는 상담 결과를 받은 것이죠.
또한, 가상 성형의 그다음 단계에서는 원하는 코 모양이 다른 이목구비와 조화를 이루지 못할 경우, 다른 부위의 성형도 함께 제안할 수 있습니다. 이 단계로 업셀링 또는 크로스셀링을 유도하여 제품의 그로스를 도모할 수 있습니다.
이 기능은 어떻게 평가하고 개선해 나갈 수 있을까요?
성형외과 의사에게는 고객 만족도와 재수술 비율이 성과 측정 방식이 될 수 있습니다. 이와 유사하게, AI가 생성한 가상 성형 결과물의 정확성을 실제 성형 결과물과 비교한 전후 후기를 통해 평가할 수 있습니다.
AI 데이터가 축적됨에 따라, 가상 성형 결과물과 실제 후기를 비교함으로써 AI 생성물이라는 점에서 오는 신뢰도 문제를 해결할 수 있습니다. 또한, 처음 촬영한 얼굴과 유사한 고민 부위와 원하는 스타일로 성형한 다른 고객의 전후 후기를 함께 제공하면 정확도에 대한 신뢰도를 더욱 향상시킬 수 있습니다. 나아가 성형은 최대 횟수가 어느 정도 정해져 있고 자주하지 않기 때문에 주기적으로 받는 시술에 서비스를 확장하면 더 높은 리텐션을 기대할 수 있습니다.
가상 기획안 요약.
가상 성형에 필요한 핵심 기술
미의 트랜드를 반영한 가상 성형을 예측하는 AI 기능을 출시하려면 크게 두 가지의 기술이 필요합니다.
첫 번째는 이미지 인식입니다. 과거부터 이미지 분석 기술은 존재했지만, 정확도가 떨어졌습니다. 그러나 이제는 딥러닝(Deep Learning)을 통해 사람의 시각처럼 정확하게 사물을 인식할 수 있습니다. AI는 이미지를 데이터, 즉 픽셀 단위로 분석하기 때문에, 이미지 분석의 관건은 ‘얼마나 노이즈를 잘 판별할 수 있는가’입니다. AI 이미지 인식의 경우 인구통계학적 정보도 함께 인식할 수 있습니다. 타고난 유전적 요소가 성형 결과에 영향을 미치기 때문에, 가상 성형을 할 때 더욱 정확한 예측이 가능해집니다.
이미지 분석 기술의 예시로는 OTT 서비스가 있습니다. 예를 들어 아마존 프라임은 X-Ray라는 기능을 통해 유명인의 얼굴을 인식하여 콘텐츠 내 등장하는 인물이 누구인지 알 수 있습니다. 또한, 현대 스마트폰은 사진 속 인물의 얼굴을 인식하여 해당 인물이 있는 사진을 골라낼 수도 있습니다.
두 번째로 필요한 기술은 이미지 생성 AI입니다. 이 기술은 프롬프트를 입력하면 이미지를 생성하는 것으로, 특히 텍스트를 기반으로 이미지를 만들어내는 기술이 주목받고 있습니다. 오픈AI의 달리(DALL-E)와 스태빌리티 AI의 스테이블 디퓨전(Stable Diffusion)이 유명한 이미지 생성 AI 서비스입니다. 이들은 텍스트로 설명한 내용을 객체, 객체의 포즈, 배경 등으로 이미지로 만들어낼 수 있으며, 그림체까지 조정할 수 있습니다.
대표적인 이미지 생성 기술로는 생성적 적대 신경망(GAN, Generative Adversarial Network)이나 변분 오토인코더(VAE, Variational Autoencoder) 등이 있습니다.
생성적 적대 신경망은 랜덤 노이즈에서 새로운 데이터를 생성하는 생성자(Generator)와 생성된 데이터와 실제 데이터를 구별하는 판별자(Discriminator)로 구성되어 있습니다. 이 두 신경망이 경쟁하며 학습하여 더 정교한 이미지를 만들어냅니다. 생성적 적대 신경망의 응용 사례로는 딥페이크, 이미지 생성, 변환이 있으며, 사실적인 이미지를 생성하는 강점이 있습니다.
변분 오토인코더는 입력 이미지를 잠재공간(Latent Space)으로 압축하는 인코더(Encoder)와, 잠재공간의 벡터를 이미지로 변환하는 디코더(Decoder)로 구성됩니다. 변분 오토인코더는 데이터의 잠재 구조를 학습하여 새로운 이미지를 생성하고, 데이터의 분포를 모델링하는 데 유리하여 이미지 생성, 데이터 압축, 노이즈 제거에 활용됩니다.
가상 성형은 실제 희망하는 결과물을 확인하기 위함이므로 정확하고 현실 가능성 있는 산출물이 생성되어야 합니다. 따라서 가상 성형에 사용할 이미지 생성 기술로는 보다 정교하고 높은 품질의 이미지를 제작하는 생성적 적대 신경망 기술이 적합할 것입니다.
서비스 제공에 앞서 주의할 점
다만 AI 기술을 활용하는 것은 개인의 데이터를 수집하고 이를 활용하는 과정이기 때문에, 서비스 제공 시 주의해야 할 점이 있습니다.
첫째는 보안입니다. 모델의 정확도를 높이기 위해서는 지속적인 학습과 새로운 데이터의 수집이 필수적입니다. 수집되는 정보가 개인정보인 만큼, 이를 안전하게 보호하고 유출되지 않도록 주의해야 합니다. 데이터와 AI 모델 간의 상호작용뿐만 아니라 전체 제품과 파이프라인의 보안이 잘 갖춰져 있어야 합니다.
둘째는 비용입니다. 이미지 인식, 변환, 생성 과정에서 발생하는 비용뿐만 아니라, 데이터를 학습시키는 데에도 비용이 듭니다. 따라서 지속 가능한 서비스 운영을 위해 예산을 정확히 측정하고, 어떤 구축 방법으로 모델을 구축하고 유지할 것인지를 신중히 결정해야 합니다.
마치며
이미지 인식과 이미지 생성 기술을 활용하면, 선망하는 연예인의 이목구비를 내 얼굴에 대입해 볼 수 있습니다. 꾸준히 인기 있는 신세경 코가 어울리는지, 최신 트렌드인 윈터 코가 어울리는지를 미리 예측할 수 있는 것이죠. 이로써 결과에 대한 불만을 되돌리기 어려운 상황을 방지할 수 있으며, 길고 복잡한 탐색 과정에서 발생하는 이탈 문제를 해결할 수 있습니다.
성형 정보 플랫폼의 핵심은 원하는 결과물을 제공할 병원을 찾는 것입니다. 이처럼 이미지 생성 AI를 활용한 가상 성형을 통해 고객에게 흥미롭고 유용한 기능을 제공할 수 있을 것입니다.
‘일’상의 AI 시리즈
② “AI야, 내 얼굴에 윈터의 코가 붙으면 어떨까?”
©️요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
