GIF 리마스터

[CamCyclopedia담당]

👨‍🎓김종규,👨‍🎓김규원

목차

1.  개요
2.  사용
3.  GIF 생성과정
   1. 양자화
   2. 디더링
4.  GIF 리마스터 상세

개요

흔히 ‘움짤’로 불리는 GIF 이미지는 1987년 스티븐 월하이트가 처음 제안하였고, 이후 1989년 개정판 GIF89a에 애니메이션 기능이 탑재되면서 인터넷의 보급과 맞물려 빠르게 보급되었습니다. GIF는 또한 투명 배경을 표현하는 등 고유의 장점을 가지고 있어 현재도 활발하게 사용되고 있으나, 오래된 포맷인 만큼 품질 문제가 있습니다. GIF 리마스터는 최신 딥러닝 학습 기술을 적용해서 GIF 이미지의 화질을 개선합니다.

사용

GIF 리마스터는 OneUI 5.1 이상에서 동작하며, 갤럭시 S23 시리즈에 첫 탑재되어 현재는 지원 모델을 확대 중입니다. 사용은 다른 리마스터 기능과 동일하게 갤러리의 추천 화면 혹은 한 장 보기 화면에서 가능합니다.

GIF 생성 과정

GIF 이미지는 원본 이미지를 크게 손실 압축과 무손실 압축의 두 단계를 거쳐서 만듭니다. 두 번째 단계인 무손실 압축에서 사용하는 LZW 코딩은 엔트로피 코딩의 일종으로 쉽게는 ZIP 파일 압축과 유사한 기술이며, 정보 손실이 발생하지 않습니다. 반면 첫 번째 단계인 손실 압축에서는 정보가 소실되어 화질 저하가 생깁니다.

양자화

GIF는 입력 픽셀의 색상을 8비트 256 크기 이하의 색상으로 변환하는데, 이 과정이 양자화입니다. JPEG 과 같은 이미지는 픽셀당 24비트의 16,777,216 색을 표현하는데, 이를 GIF로 변환하면서 발생하는 원본과의 차이가 눈에 띄는 불편함을 만듭니다.

디더링

양자화 에러로 발생한 불편함을 인위적인 노이즈를 첨가하여 숨기는 방법을 적용하기도 하는데, 이를 디더링이라고 합니다. 디더링을 거치면 양자화된 영역 사이의 경계를 좀 더 부드럽게 표현할 수 있으나, 규칙에 의해 노이즈를 추가하면서 뜻하지 않게 불편한 노이즈가 발생하기도 합니다.

GIF 리마스터 상세

GIF 리마스터는 딥러닝 기술을 활용하여 화질을 개선합니다. 딥러닝 학습은 대량의 데이터를 참고하므로, 다양한 종류와 수준의 화질 저하가 발생하는 GIF의 개선에 매우 효과적입니다.

노이즈 감쇄 & 업스케일

양자화와 디더링에서 발생하는 노이즈는 GIF 생성 시 파라미터의 설정에 따라서 매우 다양하고 노이즈의 크기도 이후 개발된 인코딩 방식에 비해 매우 큽니다. 딥러닝을 적용한 GIF 리마스터는 두 가지 노이즈를 모두 효과적으로 감쇄시킵니다. 또한, GIF 이미지는 보통 낮은 해상도를 가집니다. GIF 리마스터는 최대 2배까지 업스케일을 수행하여 디테일과 선명함을 더합니다.

투명 배경 GIF 전처리

투명 배경 이미지를 딥러닝 네트워크에 그대로 통과시키면, 아래 [전처리 미적용] 그림과 같이 물체 가장자리 픽셀에 원치 않는 노이즈가 발생하게 됩니다. 이는 딥러닝 네트워크가 물체의 가장자리 픽셀을 만들어 낼 때 인접한 픽셀들의 색상도 같이 참조하기 때문입니다. 투명 배경 픽셀은 실제 보이지 않도록 불투명도가 0으로 되어 있지만 RGB값 정보(주로 검정색인 0)는 계속 유효하기 때문에 이 투명픽셀의 RGB정보가 딥러닝 네트워크에 영향을 주어 노이즈를 발생시킵니다. GIF 리마스터는 딥러닝 네트워크가 투명 배경 픽셀이 영향을 미치지 않도록 처리하는 알고리즘을 적용하여 아래 [전처리 적용] 그림과 같은 경계 노이즈가 없는 결과물을 만들어 냅니다. 이 기술은 현재 특허로 출원되었습니다.

■ 연관 콘텐츠

사진 리마스터 바로가기

CamCyclopedia(카메라 백과사전) 목차 바로 가기

CamCyclopedia 소개글 바로 가기

이외에도 CamCyclopedia는 커뮤니티 -> 카테고리(app) -> CamCyclopedia -> “CamCyclopedia 목차”를 통해 언제든지 확인하실 수 있습니다.