JPG를 레이어로 분할하는 것이 이제 일반적인 디자인 단계가 되고 있다

디자이너들이 찾는 도구들 사이에서 조용한 변화가 일어나고 있다. 지난 한 해 대부분 동안 AI 이미지 작업에서 흥미로운 움직임은 생성, 즉 존재하지 않던 무언가를 만드는 것이었다. 이제 점점 늘어나는 도구들은 이미 존재하는 이미지에서 시작해 그것을 분해한다.

이 변화는 극적인 데모 영상을 만들어내지 않기 때문에 놓치기 쉽다. 잘 분리된 레이어 스택의 스크린샷을 공유하는 사람은 없다. 하지만 이 변화는 생성된 이미지가 전문적인 작업에서 사용 가능한지를 결정한다. 디자인 자산의 가치는 얼마나 보기 좋은지보다 나중에 편집할 수 있는지에 더 좌우되기 때문이다.

LayerGrab은 10월 2일에 등장했다. 평면 PNG, JPG 또는 WebP를 최대 16개의 독립적인 투명 레이어로 변환하고, 설명적인 영어 이름을 붙이며, 추출된 요소 뒤의 배경을 인페인팅을 통해 재구성한다. 개별 PNG, ZIP 또는 Photoshop용 레이어드 PSD로 내보낼 수 있으며, Photoshop, Figma, Sketch용 플러그인과 브라우저에서 이미지를 가져오는 Chrome 확장 프로그램을 제공한다. 브라우저 도구 자체에서는 .psd 내보내기가 없다. 레이어는 번호가 매겨진 PNG로 제공되며 편집기에서 쌓으면 된다.

처리에는 60~100초가 걸린다. 여기에는 Qwen-Image-Layered를 비롯한 분할 및 생성 모델이 사용되는데, Qwen-Image-Layered는 알리바바가 10월 2일 허용적 라이선스로 오픈소스화한 모델이다. 입력 파일은 20MB로 제한되며, Chrome 확장 프로그램을 사용하면 디자이너가 어떤 사이트에서든 이미지를 오른쪽 클릭해 곧바로 분리 패널로 보낼 수 있다.

레이어 분해가 유용한 절반인 이유

생성은 디자이너들이 수년간 우회해 온 문제를 해결했지만, 동시에 새로운 문제를 만들었다. AI가 생성한 이미지는 작업 파일이 아니라 디자인의 평면 사진처럼 보인다. 제품을 배너 반대편으로 옮길 수 없다. 픽셀에 용접되어 있기 때문이다. 헤드라인 텍스트를 교체할 수도 없다. 텍스트 객체가 없고 텍스트처럼 보이는 것만 있기 때문이다.

바로 그 틈을 레이어 분해가 메운다. 여기서 핵심은 새로운 무언가를 만들어내는 것이 아니라, 평면 이미지가 숨기고 있는 구조를 복원해 디자인 파일을 편집하듯 이미지를 편집할 수 있게 하는 것이다.

알리바바는 Qwen-Image-Layered를 설명하며 이 문제를 “평면 픽셀 결합(flat pixel coupling)”이라고 부른다. 이 모델은 RGBA-VAE 인코더와 레이어 수준 3D 위치 인코딩을 사용해 공간 계층과 가림 관계를 식별한 다음, 이미지를 독립적으로 편집 가능한 레이어로 분해한다. 회사 측은 정밀 편집 시 거의 제로에 가까운 드리프트를 주장하는데, 이는 이미지의 한 부분을 바꿀 때 다른 부분이 밀리는 일관성 문제를 해결한다.

앤트 그룹의 inclusionAI는 같은 날 관련 모델 두 개를 공개했다. 완전한 시각 디자인을 생성하는 Ming-Image-0.1-Design과 평면화된 디자인을 투명 레이어로 분해하는 Ming-Image-0.1-Design-Layer이며, 둘 다 6B 파라미터이고 기본 배포에는 80GB GPU가 필요하다.

크리에이터들이 실제로 이것으로 하는 일

도구 설명은 작고 화려하지 않은 작업들의 목록처럼 읽힌다. 완성된 광고를 레이어로 나눠 새 포맷에 맞게 제품을 반대편으로 옮긴다. 일러스트레이션을 레이어로 분리해 시차 효과를 애니메이션한다. 사진의 제품과 배경을 분리해 각각 다른 슬라이드에서 애니메이션되게 한다. 포스터에서 요소를 추출해 텍스트를 바꾸거나 새 프로젝트에서 그래픽을 재사용한다.

그중 어느 것도 누군가의 데모 영상을 만들어 준 작업은 아니다. 그것들은 디자이너의 오후를 잡아먹는 작업들이며, 이전에는 전혀 자동화할 수 없었다. 렌더링된 이미지에서 구조를 복원할 수 있는 도구가 없었기 때문이다. 평면 JPG를 마주한 디자이너에게는 선택지가 정확히 하나뿐이었다. 각 요소 뒤에 무엇이 있는지 추측하며 레이어 하나하나 손으로 다시 그리는 것.

이것이 들리는 것보다 더 중요한 이유는 디자이너가 받는 대부분의 자산이 평면이라는 점이다. 고객은 작년 포스터의 JPG를 보내며 새 포맷 버전을 요청한다. 브랜드 팀은 최종 내보내기 파일은 있지만 원본 파일을 잃어버렸다. 캠페인 자산이 스크린샷으로만 존재한다. 레이어 분해는 이런 막다른 골목을 시작점으로 바꾼다. 이는 생성이 제공하는 것과는 다른 종류의 가치다.

솔직한 한계도 있다. LayerGrab은 드리운 그림자를 보존하지 않는다. 아주 미세한 텍스트는 모델이 다시 그릴 때 약간의 색 변화가 나타날 수 있으며, 텍스트는 편집 가능한 활자가 아니라 이미지 레이어로 추출된다. 여느 분할 시스템과 마찬가지로 같은 입력이라도 실행할 때마다 분할 결과가 조금씩 달라질 수 있다.

Kenerate의 Image Layer 도구는 비슷한 접근을 취하되 강조점이 다르다. 사용자가 개수를 선택하면 2~8개의 레이어를 생성하고, 자동 개수는 Pro 등급에서 흔히 6~12개 사이로 정해진다. 이 도구도 PSD가 아니라 PNG를 내보내며, 문서에서 그 한계를 명확히 밝히고 있는데 이는 이 범주의 도구가 얻을 수 있는 종류의 정직함이다. 작업 가능한 PSD 파일을 기대했다가 PNG 폴더를 받은 디자이너는 그 차이를 발견하는 데 오후를 낭비한다.

도구 간의 차이는 시사하는 바가 있다. 하나는 디자이너가 제어하는 고정 레이어 개수에 최적화되어 있고, 다른 하나는 모델이 결정하게 한다. 둘 다 같은 제약을 우회한다. 레이어 분할은 판단이 필요한 일이며 도구마다 다르게 판단한다는 점이다.

더 큰 방향

이번 달에 출시된 것들을 한데 묶어 보면 패턴이 보인다. 알리바바는 레이어 모델을 오픈소스화했다. 앤트 그룹은 디자인 및 분해 모델 쌍을 공개했다. 한 상용 도구는 이 기능을 디자이너들이 이미 사용하는 편집기용 플러그인으로 감쌌다. 이 기능은 약 2주 만에 연구 결과에서 제품 기능으로 이동했다.

흥미로운 부분은 그 속도다. 모델이 허용적 라이선스로 오픈소스화되면 “이것이 논문에 존재한다”와 “이것이 Figma의 버튼이다” 사이의 간격이 무너진다. 디자이너는 아키텍처를 채택하지 않는다. 버튼을 채택한다. 승리하는 모델은 최고 벤치마크 점수를 받은 모델인 경우가 드물다. 디자이너의 두 번째 모니터에 이미 열려 있는 소프트웨어 안에 나타나는 모델이 승리한다.

실질적인 효과는 AI 이미지가 종착 산출물이 아니게 된다는 점이다. 오늘 생성한 이미지는 내일 분해되고, 목요일에는 재배치되며, 다음 분기에도 고객 팀이 여전히 편집할 수 있는 포맷으로 전달될 수 있다. 이러한 유연성이 생성된 자산을 전문 워크플로에서 사용 가능하게 만들며, 레이어 분해가 신기함에서 표준 단계로 이동한 이유다.

다음 질문은 레이어 분해가 생성 모델 안으로 들어갈지, 아니면 옆에 남을지다. 모델이 레이어 출력을 직접 만들어낸다면 별도의 분해 단계는 사라진다. 그때까지는 평면 이미지에서 구조를 복원하는 도구들이 생성기의 출력과 디자이너의 요구사항 사이의 다리 역할을 할 것이다. 그리고 그 다리는 대부분의 디자인 팀이 도입을 결정하지도 않은 채 사용하게 될 만큼 빠르게 만들어지고 있다.