BlurXTerminator 입문과 사용 소감
이 글은 2022년부터 2023년 사이의 노트를 정리한 것으로, 일부 도구의 버전이나 워크플로가 이미 업데이트된 부분도 있으니 읽으실 때 유의해 주십시오.
BlurXTerminator(BXT)는 Russell Croman이 선보인 PixInsight 플러그인으로, 합성곱 신경망(convolutional neural network)으로 훈련한 모델을 기반으로 디컨볼루션을 수행합니다. 등장하자마자 전 세계 아마추어 천체사진 커뮤니티에서 가장 뜨거운 화제 중 하나가 되었습니다. 이 글에서는 제가 처음 체험했을 때부터 일상적으로 사용하기까지의 소감 몇 가지와, 몇 가지 유의할 점을 정리합니다.
첫 체험: 은하와 월면
저는 먼저 마침 처리하고 있던 은하 이미지와, 이전에 처리했던 개기월식 월면 이미지로 BXT를 시험해 보았습니다.
은하의 경우, 세 가지 결과를 나란히 놓고 비교해 보겠습니다. 가장 왼쪽은 처리하지 않은 원본 이미지, 가운데는 당시 PixInsight 네이티브 디컨볼루션으로 낼 수 있었던 최선의 결과, 가장 오른쪽이 BXT의 성과입니다. BXT가 가장 세밀한 디테일을 살려냈고, 큰 별상도 손상되지 않았으며, 덤으로 별상도 살짝 줄여 주었습니다.
월면도 마찬가지로 세 장을 나란히 놓습니다. 원본, UnsharpMask와 MMT를 적용한 버전, 그리고 BXT의 결과입니다. BXT의 결과가 더 자연스럽고, 인위적인 흔적도 더 적어 보입니다.
원래는 이어서 행성 이미지도 시험해 보고 싶었지만, 목성 이미지 한 장을 넣어 보니 곧바로 실패해서 의미 있는 결과를 얻지 못했습니다. 아무래도 모델을 훈련하는 데 쓰인 이미지에는 목성이 포함되어 있지 않았던 모양입니다. 다만 월면 이미지는 포함되어 있었겠지요. 어쩌면 향후 버전 업데이트에서 행성 이미지가 추가될 가능성도 있습니다—그렇게 되면 BXT의 사용 범위는 한층 더 넓어질 것입니다.
살 만한 가치가 있을까?
BXT의 효과를 보고, 실제로 써 본 뒤에 많은 사람이 현실적인 질문을 던집니다. 과금할 가치가 있느냐는 것이지요. 이 플러그인의 가격은 약 99 미국 달러이며, 30일간의 무료 체험을 제공합니다. PixInsight 사용자라면 시리얼 번호를 신청하고 설치를 업데이트해 바로 체험해 볼 수 있습니다.
제 대답은 아주 단순명쾌합니다—이건 진작부터 장바구니에 담아 둔 채였고, 체험을 마치자마자 바로 질렀습니다.
사용상의 제약과 주의 사항
BXT는 편리하지만 만능은 아닙니다. 실무에서 마주치게 될 몇 가지 상황을 정리합니다.
보정 능력에는 한계가 있다
예전에 주변부에 tile로 인한 문제가 있는 이미지 한 무더기를 두고, BXT로 구제할 방법이 없을지 시험해 본 적이 있습니다. 화면 속의 산개성단을 예로 들면, 보정 후에 별은 확실히 작아졌지만, 별 형태의 개선 효과는 상당히 제한적이었습니다. 도구로 어느 정도는 되살릴 수 있지만, 심각한 구조적 문제까지 완전히 다듬어 줄 것이라고 기대해서는 안 됩니다.
밝은 영역에서 포화 픽셀이 생길 수 있다
이것은 BXT(AI2)를 사용할 때 특히 유의해야 할 문제입니다. 아래 이미지는 모두 선형 단계에 있습니다.
800%로 확대한 은하 핵을 예로 들겠습니다. 원본에서는 핵이 상당히 밝아, 스크린 스트레칭을 하지 않아도 어렴풋이 보일 정도입니다. BXT를 거친 뒤에는 일반 모드든 Luminance Only 모드든 이미지에 일부 포화 픽셀이 나타나, 휘도가 매우 높아 거의 1(완전한 흰색)에 가까워집니다. 이 포화된 영역에 스크린 스트레칭을 조금만 걸어도 주변까지 함께 포화되어 색과 디테일을 잃게 됩니다.
이 문제는 현재로서는 해결책이 없으며, 은하 핵에서만 나타나는 것도 아닙니다—일부 밝은 별의 포화 영역 주변에서도 나타납니다. 지금까지 관찰한 바로는 컬러 이미지에서만 발생했고, 흑백 이미지에서는 보지 못했습니다.
현재의 해결법: 먼저 마스크로 포화 영역을 덮어 두고(예를 들어 휘도 채널을 추출한 뒤 반전), 그다음에 BXT를 적용하면 이 문제를 피할 수 있습니다.
한 가지 덧붙이자면, NoiseXTerminator(NXT)에서도 이미지가 스트레칭을 거친 비선형 이미지—특히 채도나 커브를 크게 끌어올린 뒤의 것—라면 비슷한 상황을 겪은 적이 있으니, 쓰고 계신 분들은 유의하시면 좋겠습니다.
AI가 가져온 워크플로의 변화
수동으로 디컨볼루션을 한 지 오래되었습니다. BXT는 적절히 설정하고 한 번 돌리면 끝나며, CUDA를 지원하는 그래픽 카드를 장착했다면 결과를 실시간으로 미리 볼 수도 있습니다.
그것이 가져다주는 시간 절약은 디컨볼루션 단계에만 그치지 않습니다. 별을 제거한 뒤 스타리스 이미지의 결손이나 흠을 손보는 데 많은 시간을 들이지 않아도 되고, 노이즈를 줄일 때도 적용하고 싶지 않은 곳을 제외하기 위해 매번 마스크를 만들 필요가 없어집니다. AI 툴체인 전체가 과거에 가장 신경을 갉아먹던 몇몇 공정을 간소화해 주었습니다.
(당시 커뮤니티에서는 다음 제품이 AI 모델로 훈련한 GradientXTerminator II가 될 것이라는 소문도 돌았지만, 결국은 DBE 쪽 방향으로 간 것처럼 보입니다.)
올바른 사용 관념
마지막으로 Russell Croman 본인의 당부를 인용하며 마무리하겠습니다. BlurXTerminator AI4는 더 폭넓은 광학 수차를 보정할 수 있지만, 적절한 장비 조정을 대신할 수 있는 것은 아무것도 없습니다. 어떤 도구를 쓰든, 더 좋은 원본 데이터는 언제나 더 나은 최종 이미지를 만들어 냅니다.
AI4는 심각한 수차 몇 가지를 손쉽게 바로잡을 수 있지만, 어떤 소프트웨어 도구든 문제를 수정하는 능력에는 언제나 한계가 있습니다. 광축 오차, 초점면 기울기, 이미징 트레인의 휘어짐, 초점 오차, 가이딩 오차를 최소한으로 줄이는 데 시간과 노력을 들이면, 그만큼 더 뛰어난 성과를 얻게 됩니다.
BXT는 강력한 도구이지만, 좋은 데이터를 더 좋게 만들기 위한 것이지 나쁜 데이터를 구제하는 만병통치약이 아닙니다. 이 마음가짐은 어떤 파라미터 설정보다도 중요합니다.