물리 법칙 이해하는 이미지 편집 AI 'PhysicEdit' 오픈소스 공개

PhysicEdit은 이미지 편집 AI에 실제 물리 법칙에 대한 이해를 부여하는 오픈소스 프레임워크다. 기존 이미지 편집 모델은 객체의 위치를 옮기거나 형태를 바꾸는 작업은 잘 수행하지만, 컵 속 빨대의 빛 굴절처럼 인과관계가 얽힌 물리 현상을 표현할 때는 시각적 오류를 자주 일으켰다.

PhysicEdit은 이러한 물리적 왜곡 현상을 해결하는 데 초점을 맞췄다. Qwen ImageEdit 2.5를 기반으로 한 LoRA 구조로 동작하며, 물리 상태의 전이 과정을 예측해 사실적인 이미지를 생성한다.

어떤 작업을 할 수 있나

광학 영역에서는 물이 든 유리잔에 빨대를 꽂았을 때 나타나는 빛의 굴절을 물리 법칙에 맞게 자연스럽게 수정한다.

열역학적 변화도 정확하게 다룬다. 버터가 열을 받아 녹아내리는 모습이나 웅덩이가 얼어붙는 현상, 창문에 김이 서리며 물방울이 맺히는 질감을 사실적으로 반영한다.

역학과 재료의 성질도 계산에 포함된다. 카드로 쌓은 탑이 무너지는 구조적 붕괴, 점토가 늘어나는 탄성, 토마토에 공이 부딪혀 즙이 사방으로 튀는 파편 효과는 물론 페인트가 벗겨지거나 점토가 굳어지는 변화까지 다룰 수 있다.

시간 흐름에 따른 생물학적 변화도 다룬다. 바나나가 썩어 들어가거나 꽃이 피고 식물이 시드는 점진적 변화를 이미지로 연출한다.

논문에 따르면 베이스 모델인 Qwen-Image-Edit 대비 물리적 사실성은 5.9%, 지식 기반 편집 정확도는 10.1% 개선됐다. 물리 인식 벤치마크 평가에서도 주요 상용 모델들과 대등하거나 그 이상의 성능을 기록했다.

물리 법칙을 구현한 원리

연구진은 기존 모델들이 물리 현상에 취약했던 이유로, 정적 이미지 쌍 사이의 불연속적 매핑만을 학습했기 때문이라고 짚었다. 이 방식으로는 중간 단계의 물리적 전이 동역학을 파악할 수 없다.

이를 해결하기 위해 연구팀은 비디오 데이터에서 5가지 물리 영역을 아우르는 3만 8천 개의 물리 상태 전이 궤적을 추출해 PhysicTran38K 데이터셋을 구축했다.

모델 구조에는 텍스트와 시각을 결합한 듀얼 씽킹 메커니즘이 적용됐다. 가중치가 고정된 Qwen2.5-VL 모델이 물리적 추론을 담당하고, 학습 가능한 전이 쿼리가 디퓨전 백본에 시점별 시각 가이던스를 전달해 최종 이미지를 완성한다. 관련 코드는 GitHub에 공개되어 있다.

왜 중요한가

상업용 렌더링이나 시각 디자인을 다루는 창작자에게 물리 법칙 오류는 매번 수작업 보정을 요구하던 까다로운 문제였다. PhysicEdit은 LoRA 적용만으로 자연스러운 굴절과 상태 변화를 구현할 수 있게 돕는다.

거대 모델을 처음부터 새로 학습하지 않고, 검증된 VLM의 추론 능력과 비디오 기반 전이 데이터를 결합해 기존 오픈소스 편집기의 한계를 넘었다는 점에서 설계가 매우 효율적이다. 상용 유료 API에 의존하지 않고 자체 워크플로를 구축하려는 개발자들에게 직접 도입해 볼 만한 도구다.