구글, 확산 모델 기반 정밀 가상 착용 기능 발표

온라인으로 옷을 살 때 모델 착용 사진만 보고 샀다가 막상 나에게 어울리지 않아 반품했던 경험은 누구에게나 있습니다.

Google이 생성형 AI를 기반으로 옷을 가상으로 입어볼 수 있는 새로운 가상 피팅 기능을 공개했습니다. 체형과 피부색이 다른 실제 모델들에게 옷을 입혀보고 핏을 확인할 수 있는 기능입니다.

옷이 어떻게 흘러내리는지, 어디에 주름이 잡히고 어떻게 늘어나는지 등 세밀한 디테일까지 화면에 구현합니다.

잘라 붙이던 스티커 방식에서 탈피

기존 가상 피팅은 옷 이미지를 잘라낸 뒤 사람 형태에 맞춰 억지로 늘리고 왜곡하는 기하학적 변형 방식을 주로 사용했습니다.

이런 방식은 옷이 몸에 착 감기지 않고 어색하게 붕 뜨거나, 주름이 이상한 곳에 생겨 부자연스러워 보이기 일쑤였습니다.

Google은 자사의 이미지 생성 모델 Imagen에 쓰인 확산 모델 기술을 응용했습니다. 텍스트 프롬프트 대신 옷 사진과 사람 사진 등 두 장의 이미지를 입력값으로 넣는 방식을 택했습니다.

두 이미지는 각각 독립된 신경망을 통과한 뒤 교차 주의 메커니즘을 통해 정보를 주고받습니다. 이를 통해 AI는 옷을 픽셀 단위로 새롭게 그려내 자연스러운 착용 이미지를 완성합니다.

방대한 쇼핑 데이터로 구현한 옷감 주름

Google은 자연스러운 옷태를 연출하기 위해 자사의 쇼핑 그래프 데이터를 모델 훈련에 적극 활용했습니다.

같은 옷을 입고 정면을 바라본 모습과 옆으로 돌아선 모습 등 두 가지 다른 자세가 담긴 사진 수백만 쌍을 AI에 학습시켰습니다.

이를 통해 모델은 사람이 움직일 때 옷이 각도에 따라 어떻게 접히고 늘어나는지 파악하게 되었습니다. 이번 기능은 Anthropologie, LOFT, H&M, Everlane 등의 여성 상의 제품을 시작으로 적용됩니다.

왜 중요한가

소비자 입장에서 이 기능은 생성형 AI가 실생활의 오랜 불편을 해결해 주는 가장 직접적인 사례입니다. 체형이 다른 모델을 선택해 핏을 미리 확인할 수 있다면 온라인 쇼핑의 최대 골칫거리인 반품률을 크게 줄일 수 있습니다.

우리는 Google의 이번 전략이 매우 영리하다고 봅니다. 단순히 신기한 챗봇을 내놓는 데 그치지 않고, 검색 광고와 이커머스라는 자사의 핵심 수익 엔진에 최신 확산 모델을 자연스럽게 결합했기 때문입니다.

고비용의 3D 아바타 모델링을 거치지 않고도 두 장의 평면 사진만으로 사실적인 질감을 만들어낸다는 점에서 브랜드들의 참여 장벽도 낮췄습니다. 패션 커머스 시장에서 Amazon 등 경쟁사들 역시 비슷한 기술을 서둘러 도입해야 하는 압박을 받게 되었습니다.

다만 당장은 여성용 상의로만 적용 범위가 제한되어 있다는 한계가 있습니다. 바지나 재킷처럼 체형에 따라 핏이 극단적으로 달라지는 의류까지 자연스럽게 구현해낼 수 있을지가 향후 상용화 성공의 관건으로 보입니다.