image-processing

7 개의 포스트

toss3분 읽기큐레이션 요약

디자이너에게 AI로 뭐든 만들어보라고 한다면

토스 디자인 챕터의 AI Contest는 AI로 무엇이든 만들어보는 한 달간의 실험으로, 총 122개의 결과물이 모였습니다. 사례를 보면 AI는 완전히 새로운 업무보다 반복 작업 자동화, 지식 공유, 인터랙션 설계, 짧은 시간 안의 품질 향상에 특히 효과적이었습니다. 핵심은 AI를 직접 활용해 자신의 문제를 빠르게 실험하고 해결하는 데 있습니다. ## 반복 업무를 자동화하다 - 이미지를 입력하면 UI에 적합한 색상을 자동으로 추출하고 보정하는 로직을 개발했습니다. - 사진마다 색상 결과가 달라 수년간 해결하지 못했던 문제를 AI와 함께 코드 초안으로 만들었습니다. - 샘플 이미지를 반복해서 입력하고 결과를 검증·수정하며 로직을 개선했습니다. - 완성된 로직은 실제 토스 쇼핑 상품 카드의 색상에 적용됐습니다. ## 개인 지식으로 협업 비용을 줄이다 - 과거 슬랙 대화와 정리된 참고 자료를 학습한 메신저 봇을 만들었습니다. - 팀원의 디자인·요건 질문에 대해 과거 논의를 근거로 답변 초안을 생성합니다. - 담당자는 초안을 그대로 보내거나 수정해 전달할 수 있습니다. - 사람이 수정한 답변 방향도 다시 반영해 유사한 질문에 더 정확히 답하도록 개선됩니다. - 반복적인 질문 대응 시간이 줄어들면서 “내가 1.5명으로 늘어난 느낌”이라는 효과를 얻었고, 다른 디자이너들도 각자의 봇을 만들기 시작했습니다. ## 말보다 동작하는 프로토타입으로 설득하다 - 주식 거래용 증권 PC 화면을 정적인 시안이 아닌 실제로 조작 가능한 프로토타입으로 구현했습니다. - 패널을 끌어 위치를 바꾸거나 창 크기를 조절하면 화면이 반응하도록 제품 코드를 직접 활용했습니다. - 말이나 영상으로 설명해야 했던 인터랙션을 직접 움직여 보여주면서 디자인 의도가 개발 과정에서 흐려지는 문제를 줄였습니다. - 개발자와 PO가 결과를 즉시 이해할 수 있어 커뮤니케이션과 설득력이 높아졌습니다. ## 제한된 시간에 완성도를 높이다 - 토스뱅크 공채 웹페이지의 직군별 키비주얼에 사용할 모션그래픽을 AI로 제작했습니다. - 모션의 기본 이미지와 시작·끝 프레임은 사람이 직접 만들고, 중간 결과 생성은 Kling을 활용했습니다. - 원하는 결과가 나올 때까지 프롬프트를 반복적으로 수정했습니다. - 촉박한 일정 속에서도 직군별 모션을 단 하루 만에 완성했습니다. ## AI 활용을 시작하는 네 가지 방향 - **효율:** 매일 반복하는 일 중 가장 번거로운 작업 하나를 자동화합니다. - **분신:** 반복해서 답하는 질문을 대신 처리할 개인 지식 봇을 만듭니다. - **설득:** 말로 설명하던 디자인을 직접 작동하는 프로토타입으로 보여줍니다. - **퀄리티:** 짧은 시간 안에 더 높은 완성도에 도달할 수 있도록 AI를 제작 과정에 활용합니다. AI를 도입할 때는 거창한 신규 프로젝트보다 현재 업무에서 반복되거나 설명하기 어렵고 시간이 부족한 문제 하나를 골라 작게 실험하는 것이 효과적입니다.

원문 읽기(새 탭에서 열림)
netflix원문

넷플릭스의 카메라 파일 처리 규모 확장 (새 탭에서 열림)

넷플릭스는 전 세계에서 생성되는 방대한 양의 카메라 원본 푸티지를 효율적으로 처리하기 위해 '미디어 프로덕션 스위트(MPS)'를 구축하고, 이를 업계 표준 솔루션인 FilmLight API(FLAPI)와 통합했습니다. 자체 엔진을 처음부터 개발하는 대신 검증된 외부 기술을 클라우드 기반의 서버리스 환경에 내재화함으로써, 복잡한 메타데이터 관리와 고해상도 이미지 프로세싱의 일관성을 확보했습니다. 이를 통해 제작 현장의 수동 작업을 자동화하고 기술적 오류를 최소화하여 창작자들이 오로지 작품의 퀄리티에만 집중할 수 있는 확장성 있는 제작 생태계를 마련했습니다. ### 미디어 프로덕션 스위트(MPS)의 도입 배경 * **제작 복잡도 해소**: 글로벌 제작 규모가 커짐에 따라 파일 관리 업무(File Wrangling)가 창의적인 의사결정 시간을 잠식하고, 지역 및 업체별로 미디어 처리 방식이 일관되지 않는 문제가 발생했습니다. * **휴먼 에러 방지**: 수동으로 진행되는 미디어 관리 프로세스는 실수가 발생하기 쉽고 감사(Audit)가 어려워, 이를 자동화하고 표준화할 필요성이 커졌습니다. * **효율성 극대화**: 반복적인 워크플로우를 공통 플랫폼으로 통합하여 프로덕션부터 포스트 프로덕션까지의 미디어 이동을 간소화하고자 했습니다. ### 핵심 엔진으로서의 FilmLight API(FLAPI) 통합 * **신뢰성 있는 컬러 사이언스**: 업계에서 널리 사용되는 Baselight 및 Daylight의 엔진을 API 형태로 활용하여, 다양한 카메라 포맷에 대한 검증된 디베이어링(Debayering)과 컬러 처리를 보장받았습니다. * **최신 포맷 대응**: 매번 출시되는 새로운 카메라와 녹화 포맷에 대응하기 위해 자체 엔진을 유지보수하는 대신, 전문 파트너사인 FilmLight의 기술력을 활용해 유연성을 확보했습니다. * **인프라 호환성**: FLAPI를 도커(Docker) 이미지로 패키징하여 넷플릭스의 클라우드 인프라와 전 세계 프로덕션 컴퓨팅 센터에 동일하게 배포함으로써 작업의 일관성을 유지합니다. ### 메타데이터 파싱 및 워크플로우 검사 * **데이터 정규화**: 푸티지 입고 시 FLAPI를 통해 카메라 메타데이터를 추출하고, 이를 넷플릭스의 표준 스키마로 변환하여 하위 프로세스에서 검색 및 재사용이 가능하도록 만듭니다. * **자동화된 검증**: 타임코드 및 릴(Reel) 이름을 기반으로 푸티지를 매칭하고, 처리 과정에서 발생할 수 있는 오류를 추적하거나 파이프라인 전체의 유효성을 검사하는 데 활용합니다. ### VFX 플레이트 생성 및 결과물 자동화 * **정밀한 이미지 처리**: ASC FDL(Framing Decision Lists)을 활용한 크롭 및 디스퀴즈(De-squeeze), AMF(ACES Metadata Files)를 통한 일관된 컬러 파이프라인 적용으로 정확한 VFX 소스를 생성합니다. * **워크플로우 일관성**: 제작 현장의 데일리 작업부터 최종 완성 단계까지 동일한 컬러 변환이 적용되도록 보장하며, 이를 통해 VFX 업체 등 협업 파트너에게 정확한 OpenEXR 파일을 제공합니다. * **사전 검증**: 워크플로우 전문가가 워크스테이션에서 내린 결정사항을 클라우드 파이프라인에 그대로 적용하여 실제 촬영 시작 전 프로세스를 완벽히 검증할 수 있습니다. ### 클라우드 네이티브 미디어 팩토리 아키텍처 * **서버리스 및 컨테이너화**: 고성능 GPU 워크스테이션에 의존하는 전통적인 방식에서 벗어나, 리눅스 도커 이미지 기반의 서버리스 함수로 작업을 분산 처리합니다. * **CPU 기반 확장성**: 특정 고사양 하드웨어 대신 범용 CPU 인스턴스에서 작동하도록 최적화하여, 클라우드의 유연한 컴퓨팅 자원을 활용한 대규모 병렬 처리를 실현했습니다. * **상태 없는(Stateless) 운영**: 각 작업 단위가 독립적이고 상태를 유지하지 않도록 설계하여, 오류 발생 시 즉각적으로 재실행할 수 있는 높은 운영 신뢰성을 확보했습니다. 넷플릭스의 사례는 모든 기술을 내재화하기보다 업계 표준 솔루션을 클라우드 네이티브 환경에 전략적으로 통합함으로써 얻을 수 있는 확장성의 이점을 잘 보여줍니다. 대규모 미디어 처리가 필요한 기업이라면 단일 장비의 성능 향상보다는 작업을 원자화(Atomicity)하고 API 기반의 클라우드 병렬 처리 구조를 구축하는 것이 비용 효율성과 안정성 측면에서 유리합니다.

discord원문

디스코드 업데이트: 2 (새 탭에서 열림)

이번 디스코드 업데이트는 사용자 경험을 직관적으로 개선하고 개별 서버에서의 개성 표현 자유도를 높이는 데 주력했습니다. 특히 번거로웠던 이모지 제작 과정을 앱 내에서 직접 해결할 수 있도록 간소화했으며, 데스크톱 UI 개편과 서버별 프로필 설정 기능을 통해 더욱 쾌적하고 개인화된 소통 환경을 구축했습니다. **이모지 제작 및 관리의 편의성 강화** - 새로운 이모지 편집 도구가 추가되어 별도의 외부 사진 편집 앱 없이도 이미지 크기 조절과 크롭(자르기) 작업을 앱 내에서 즉시 수행할 수 있습니다. - 이모지 선택창(Emoji Picker)에서 직접 '이모지 추가' 버튼을 눌러 이미지를 업로드할 수 있으며, 업로드 과정에서 추가할 서버를 바로 선택할 수 있습니다. - 과거 128x128 해상도 준수나 특정 파일 형식 제한 등 사용자를 번거롭게 했던 업로드 규격 제한이 사라져, 이미지 규격에 상관없이 자유로운 업로드가 가능해졌습니다. **데스크톱 UI 개선 및 음성 채널 기능** - 데스크톱 설정 화면이 디스코드의 최신 디자인 언어에 맞춰 더욱 깔끔하게 재구성되고 있으며, 원하는 설정을 빠르게 찾을 수 있는 검색바 기능은 그대로 유지됩니다. - 음성 채널(VC)에 새로운 타이머 기능이 도입되어 현재 통화가 얼마나 오랫동안 진행 중인지 실시간으로 확인할 수 있습니다. - 설정 메뉴 하단의 'More' 섹션을 통해 최신 업데이트 내역(Changelog)을 언제든 다시 확인할 수 있도록 경로가 조정되었습니다. **개인화 프로필 및 모바일 상점 확장** - 이제 서버별로 각기 다른 '네임플레이트(Nameplates)'를 설정할 수 있어, 전문적인 서버와 친목 위주의 서버 등 커뮤니티 성격에 맞게 프로필을 다르게 꾸밀 수 있습니다. - 모바일 환경에서도 상점(Shop) 기능을 전면 지원하여, 스마트폰이나 태블릿에서 직접 선물하기를 이용하거나 네임플레이트 및 각종 번들을 구매할 수 있습니다. - 학부모나 보호자가 청소년의 안전한 온라인 활동을 돕는 '가족 센터(Family Center)' 기능을 강화하여 보호자의 관리 역할을 더욱 세밀하게 지원합니다. 이번 업데이트를 통해 복잡한 편집 과정 없이 자신만의 독특한 이모지를 즉시 제작해 보세요. 또한, 서버별 네임플레이트 기능을 활용해 각 커뮤니티의 분위기에 어울리는 맞춤형 프로필을 구성해 보는 것을 추천합니다.

figma2분 읽기큐레이션 요약

Figma의 정밀한

Figma는 이미지 편집을 다른 도구로 옮기지 않고 캔버스 안에서 처리할 수 있도록 세 가지 AI 기능을 공개했다. **Erase object**, **Isolate object**, **Expand image**를 통해 특정 객체 제거·분리·수정과 이미지 비율 확장이 가능해져, 디자인 작업의 정밀도와 효율성이 높아진다. 기존의 배경 제거·자르기 기능도 새 이미지 편집 툴바에 통합해 이미지 작업 흐름을 단순화했다. ## 객체 지우기와 분리 편집 - 이미지에서 올가미로 원하는 객체를 선택할 수 있다. - **Erase object**는 선택한 객체를 이미지에서 완전히 제거한다. - **Isolate object**는 객체나 사람을 배경과 분리해 편집하거나 위치를 조정한다. - 분리한 객체에 다음과 같은 효과를 적용할 수 있다. - 조명 조정 - 색상 변경 및 보정 - 채도 조절 - 초점 및 흐림 효과 - 그림자 추가 - 제품 사진에서 주요 부품을 밝게 하거나, 방해 요소를 제거해 제품을 강조하는 용도로 활용할 수 있다. - 텍스트 프롬프트 기반의 기존 **Edit image** 기능과 함께 사용해 생성형 편집과 세밀한 수정을 결합할 수 있다. ## 왜곡 없이 이미지 확장 - **Expand image**는 이미지의 배경을 AI로 확장해 새로운 종횡비에 맞춘다. - 기존처럼 이미지를 단순히 잘라 구도를 바꾸지 않아도 된다. - 이미지의 주요 피사체와 맥락을 유지하면서 데스크톱·모바일·소셜 미디어 등 다양한 규격에 적용할 수 있다. - 예를 들어 정사각형 제품 이미지를 웹 배너로 확장해 텍스트를 배치할 공간을 만들 수 있다. - 이미지 자체를 늘려 왜곡하는 방식이 아니라, 주변 배경을 자연스럽게 생성하는 방식이다. ## 통합 이미지 편집 툴바 - 새 툴바에서 기존 기능과 신규 AI 기능을 한곳에서 사용할 수 있다. - Remove background - Crop - Erase object - Isolate object - Expand image - AI 이미지 생성·편집 - 자주 사용되는 **Remove background** 기능의 접근성을 높여 이미지 편집 흐름을 개선했다. - 서로 다른 출처와 형식의 로고·제품 이미지를 통일된 스타일로 정리할 수 있어 마케팅 자료와 UI 목업 제작에 유용하다. ## 지원 제품과 이용 조건 - 기능은 Figma Design과 Figma Draw에서 제공된다. - AI가 활성화된 Professional, Organization, Enterprise 요금제의 Full seat 사용자가 이용할 수 있다. - FigJam, Slides, Buzz(beta)에서도 접근 가능하며, 해당 제품에서는 Dev·Collab·View seat에도 제공된다. - AI 기능 사용에는 크레딧이 차감된다. - Figma는 향후 더 많은 제품으로 기능을 확대할 예정이다. 실무에서는 제품 사진의 불필요한 요소 제거, 채널별 이미지 비율 조정, 배경·색상 통일 작업에 특히 효과적이다. 다만 AI 이미지 편집은 크레딧을 사용하므로 반복 수정이 많은 작업에서는 결과를 먼저 확인한 뒤 필요한 영역에 선택적으로 적용하는 것이 좋다.

원문 읽기(새 탭에서 열림)
naver원문

웹툰 창작 생태계 보호를 위한 연구 (새 탭에서 열림)

네이버웹툰은 창작 생태계를 위협하는 콘텐츠 불법 유출과 생성형 AI의 무단 저작권 학습에 대응하기 위해 AI 기반의 보호 기술을 연구하고 실무에 도입하고 있습니다. 특히 독자적인 워터마킹 기술인 'TOONRADAR'와 학습 방지 기술인 'IMPASTO'를 통해 창작자의 권리를 보호하고 플랫폼의 신뢰성을 유지하는 데 주력하고 있습니다. 이러한 기술적 대응은 단순한 차단을 넘어 불법 유출자의 사후 추적과 AI 모델의 악의적 모방을 원천적으로 방지함으로써 지속 가능한 창작 환경을 조성하는 것을 목표로 합니다. **AI 기반 워터마킹을 통한 불법 유출 추적** * **사후 추적 시스템**: DRM-free 환경에서도 저작권을 보호할 수 있도록 육안으로 식별이 불가능한 미세 신호를 콘텐츠에 삽입하여 유출 경로를 추적합니다. * **기술적 요구 사항**: 사용자의 시청 경험을 해치지 않는 '비가시성', 이미지 압축이나 편집 공격에도 신호가 유지되는 '강인성', 그리고 충분한 정보를 담을 수 있는 '삽입량'을 동시에 확보했습니다. * **네트워크 구조**: 삽입기(Embedder), 공격 레이어(Attack Layer), 추출기(Extractor)로 구성된 AI 모델을 구축했습니다. 특히 미분 가능한 네트워크 레이어로 구현된 공격 레이어를 통해 다양한 이미지 변형 공격에 대응하도록 학습되었습니다. * **성능 지표**: PSNR 46dB 이상의 높은 화질 유지 성능을 달성했으며, 10종 이상의 강도 높은 공격(Level 5) 상황에서도 1% 미만의 낮은 오류율로 워터마크를 추출하는 데 성공했습니다. **생성형 AI 무단 학습 방지 기술 (IMPASTO)** * **보호 왜곡(Protective Perturbation)**: 이미지에 미세한 변형을 가해 생성형 AI 모델이 해당 이미지를 학습할 때 스타일이나 콘텐츠를 제대로 모방하지 못하도록 방해합니다. * **학습 방해 원리**: 디퓨전 모델의 노이즈 제거 과정을 교란하거나 잠재 표현(Latent code) 간의 거리를 조절하여, 무단 학습(LoRA, Dreambooth 등) 결과물이 원작의 의도와 다르게 나오도록 유도합니다. * **차별화된 연구 방향**: 기존의 학습 방지 도구들이 가졌던 시각적 품질 저하(화질 열화) 문제를 해결하고, 실제 창작 환경에서 빠르게 적용할 수 있도록 처리 속도를 개선하는 데 초점을 맞추고 있습니다. **유해 콘텐츠 차단 및 플랫폼 건전성 확보 (XPIDER)** * **자동 탐지 및 차단**: UGC 공간에 업로드되는 선정적·폭력적 콘텐츠를 실시간으로 탐지하여 플랫폼의 대외 신뢰도를 높입니다. * **도메인 특화 모델**: 일반적인 실사 이미지와는 다른 웹툰 특유의 만화 도메인 데이터를 학습하여 검수 정확도를 극대화하고 운영 리소스를 절감하고 있습니다. 웹툰 창작자는 자신의 작품이 무단으로 유출되거나 AI 학습에 악용되는 것을 방지하기 위해, 플랫폼에서 제공하는 보호 기술을 적극적으로 활용할 필요가 있습니다. 특히 TOONRADAR와 같은 기술은 이미 실무에서 강력한 억제력을 발휘하고 있으므로, 기술적 보안이 강화된 공식 플랫폼을 통해 콘텐츠를 발행하는 것이 창작 생태계 보호의 첫걸음이 될 것입니다.

discord4분 읽기큐레이션 요약

디스코드의 현대

Discord는 이미지 파이프라인에 애니메이션 WebP와 AVIF 지원을 추가해 첨부파일·임베드·애니메이션 이모지의 화질과 재생 성능을 개선했다. 특히 GIF보다 높은 색상 표현력과 알파 투명도를 제공하면서도 파일 크기를 크게 줄여 로딩 속도를 높이는 것이 핵심이다. 다만 플랫폼별 호환성과 디코딩 성능 문제 때문에 Discord는 기본 변환 포맷으로 WebP를 선택하고, AVIF는 호환성을 위해 WebP로 변환한다. ## GIF에서 WebP·AVIF로의 전환 - GIF는 오랫동안 짧은 애니메이션의 표준으로 사용됐지만 다음과 같은 한계가 있다. - 256색(8비트) 팔레트만 지원 - 완전 투명/불투명만 가능한 이진 투명도 - 비효율적인 압축으로 인한 큰 파일 크기 - WebP와 AVIF는 현대적인 이미지·동영상 압축 기술을 활용해 Discord의 대규모 미디어 전송에 더 적합하다. - Discord는 수억 명의 일일 활성 사용자가 매일 수십억 개의 이미지를 공유하므로, 이미지 품질뿐 아니라 저장·전송·재생 비용도 중요하게 고려해야 한다. ## 알파 투명도와 색상 표현력 향상 - WebP와 AVIF는 픽셀별로 다양한 투명도 값을 표현하는 알파 채널을 지원한다. - 부드러운 가장자리 표현 가능 - 반투명 스티커와 이모지 제작에 적합 - Discord의 라이트·다크 테마 배경에 자연스럽게 조화 - 색상 깊이도 GIF보다 크게 향상된다. - GIF: 256색 - WebP: 채널당 8비트, 약 1,670만 색상 - AVIF: 최대 채널당 12비트 - 그 결과 다음과 같은 이점이 있다. - 색상 그라데이션의 밴딩 감소 - 더 정확하고 선명한 색상 - 사진 이미지 표현력 향상 - 호환 디스플레이에서 HDR 지원 가능 ## 애니메이션 압축 효율 - WebP와 AVIF는 프레임 간 차이만 저장하는 방식으로 중복 데이터를 줄인다. - 주요 기술적 이점은 다음과 같다. - 프레임 간 압축 - 고급 예측 모드 - 품질과 파일 크기를 조절하는 인코딩 옵션 - 밀리초 단위의 가변 프레임 타이밍 - 예시로 제시된 애니메이션은 GIF가 302KB인 반면 WebP는 43KB로 크게 줄었다. - 특히 모바일 환경에서는 파일 크기 감소가 데이터 사용량과 로딩 시간 개선으로 직접 이어진다. ## 멀티플랫폼 지원의 어려움 - Discord는 웹, Windows·macOS·Linux 데스크톱, iOS, Android를 모두 지원해야 한다. - 모든 첨부 이미지와 임베드에 대해 다음 작업을 수행해야 한다. - 이미지 형식 검사 - 필요 시 포맷 변환 - 크기 조정 - 정지 이미지와 애니메이션 이미지의 일관된 처리 - 플랫폼마다 브라우저·운영체제·이미지 라이브러리의 지원 수준과 성능이 달라, 단순히 포맷을 추가하는 것만으로는 충분하지 않다. ## WebP를 기본 변환 대상으로 선택한 이유 - Discord는 AVIF보다 WebP를 우선적인 변환 포맷으로 선택했다. - 선택 이유: - 플랫폼 전반에서 거의 보편적인 지원 - AVIF보다 빠른 인코딩·디코딩 - 성숙한 도구와 넓은 생태계 - 예측 가능한 성능 - 단점도 존재한다. - AVIF의 10/12비트보다 낮은 8비트 색상 깊이 - 동일한 품질에서 AVIF보다 큰 파일 크기 - 일부 콘텐츠에서 압축 효율이 낮음 - 따라서 AVIF 파일은 최대한 높은 시각적 품질을 유지하면서 WebP로 변환한다. - HDR AVIF는 SDR로 톤 매핑해 원본의 색상 특성을 가능한 한 보존한다. ## iOS에서의 애니메이션 WebP 디코딩 문제 - Discord는 iOS에서 다양한 이미지 형식을 처리하기 위해 SDWebImage 라이브러리를 사용한다. - SDWebImage는 iOS 14 이상에서 Apple의 ImageIO를 이용해 WebP를 렌더링할 수 있어 처음에는 적합한 선택처럼 보였다. - 그러나 성능 테스트에서 ImageIO 기반 애니메이션 WebP 재생 문제가 발견됐다. - 시간이 지날수록 프레임 타이밍이 늦어짐 - 고해상도 또는 프레임 수가 많은 애니메이션에서 문제가 심화 - 10초짜리 480p·30fps 파일 재생 시 실제 재생이 3초 이상 지연 - 반면 libwebp를 사용한 디코딩은 실시간으로 처리되어 약 10초 안에 정상적으로 재생됐다. - 이 사례는 포맷 자체의 지원 여부뿐 아니라 플랫폼별 디코더 구현과 프레임 처리 성능까지 검증해야 한다는 점을 보여준다. Discord의 접근 방식은 새로운 이미지 포맷을 도입할 때 압축률만 비교해서는 안 된다는 점을 보여준다. 실제 서비스에서는 호환성이 넓고 디코딩 성능이 안정적인 WebP를 기본 포맷으로 활용하되, AVIF의 고품질·고효율 특성은 입력 포맷으로 수용하고 적절히 변환하는 전략이 현실적이다.

원문 읽기(새 탭에서 열림)
figma2분 읽기큐레이션 요약

터가 피그마

Figma는 2017년 이미지 조정 기능을 도입해 별도의 Photoshop 없이 캔버스에서 사진을 빠르게 보정할 수 있도록 했다. 노출, 대비, 채도, 색온도, 색조, 하이라이트, 그림자 등을 조절할 수 있으며, 전문 이미지 편집기를 대체하기보다는 디자이너의 간단한 수정 작업을 줄이는 데 목적이 있다. ## Photoshop 경쟁자로 시작한 Figma - Figma는 2012년 Photoshop의 대안으로 시작했다. - 공동 창업자이자 CTO인 Evan Wallace는 브라우저 기술을 활용해 사진 필터와 마스크 기능을 실험했다. - 새 이미지 조정 기능은 이러한 초기 방향성과 브라우저 기반 이미지 편집이라는 Figma의 뿌리를 다시 연결한다. ## Figma의 이미지 조정 기능 - 이미지에 다음과 같은 조정 효과를 적용할 수 있다. - 노출(Exposure) - 대비(Contrast) - 채도(Saturation) - 색온도(Temperature) - 색조(Tint) - 하이라이트(Highlights) - 그림자(Shadows) - 이미지를 Figma 캔버스에 드래그한 뒤, 오른쪽 속성 패널의 **Fill** 영역에서 필터 옵션을 선택하면 사용할 수 있다. - 별도 프로그램에서 이미지를 수정한 뒤 다시 내보내거나, Figma 내부에서 비공식적인 우회 방법을 사용할 필요가 줄어든다. ## 빠른 보정에 맞춘 조정 범위 - Figma 팀은 각 조정값의 범위를 신중하게 조정해 실용적인 결과를 내도록 설계했다. - 예를 들어 노출값을 높은 수준으로 올려도 이미지가 지나치게 하얗게 날아가는 현상을 방지하려고 했다. - 따라서 전문적인 색보정 도구보다는 UI 시안 제작 중 밝기, 색감, 대비를 빠르게 맞추는 용도에 적합하다. ## 전문 이미지 편집기를 대체하지 않는 기능 - 이 기능은 Photoshop 같은 전문 이미지 편집 도구를 완전히 대체하려는 목적이 아니다. - 복잡한 리터칭, 정교한 색보정, 고급 마스킹 작업보다는 디자인 작업 중 발생하는 간단한 이미지 수정에 초점을 둔다. - 디자이너가 작업 흐름을 벗어나지 않고 Figma 안에서 즉시 결과를 확인할 수 있다는 점이 가장 큰 장점이다. 간단한 이미지 보정이 필요한 UI·UX 작업에서는 Figma의 조정 기능을 우선 활용하고, 정밀한 편집이나 전문적인 색보정이 필요할 때만 Photoshop 등 별도 도구를 사용하는 방식이 효율적이다.

원문 읽기(새 탭에서 열림)