Nanobanana 이미지 모델 비하인드 스토리

Gemini 2.5 Flash로 구동되는 Nanobanana 모델은 AI 이미지 생성 분야의 중대한 도약을 상징합니다. 최근 Logan Kilpatrick이 진행한 심층 기술 세션에서 핵심 개발팀은 이 차세대 시스템을 움직이는 정교한 엔지니어링의 뒷이야기를 공개했습니다.

프로덕트 리드 Nicole Brichtova, 리서치 리드 Kaushik Shivakumar와 Mostafa Dehghani, 그리고 Robert Riachi는 AI 기반 창작 기술을 재편하는 핵심 인사이트를 공유했습니다. 이는 단순한 업데이트를 넘어, 멀티모달 AI 아키텍처에 대한 근본적인 재고를 의미합니다.

네이티브 이미지 생성

Nanobanana의 핵심은 네이티브 이미지 생성에 있습니다. 각 이미지를 독립적인 작업으로 처리하던 기존 방식과 달리, 이 모델은 이미지를 순차적으로 생성하며 이전 결과를 풍부한 문맥적 참조로 활용합니다.

Kaushik Shivakumar는 이 혁신적인 접근 방식을 다음과 같이 설명합니다. "이미지를 순차적으로 생성하고 이전 출력을 문맥으로 활용함으로써, 모델은 여러 번의 생성 과정에서도 전례 없는 일관성과 문맥 인지 능력을 발휘합니다."

이러한 아키텍처의 변화는 몇 가지 획기적인 기능을 가능하게 했습니다.

강력한 캐릭터 일관성

가장 눈에 띄는 성과는 캐릭터의 정체성을 완벽하게 유지하면서 다양한 각도에서 렌더링할 수 있는 능력입니다. 버전 2.5는 단순한 특징 보존을 넘어 진정한 다각도 렌더링을 구현하여, 모든 프레임에서 캐릭터의 브랜드 이미지를 일관되게 유지합니다.

개발팀은 1980년대 스타일의 변신 사례로 이를 시연했습니다. Nicole Brichtova는 모델이 캐릭터의 얼굴 특징뿐만 아니라 전체적인 분위기와 스타일의 미묘한 차이까지 전체 시퀀스 동안 유지한다는 점에 주목했습니다.

복잡한 편집을 위한 인터리브드 생성

Mostafa Dehghani는 인터리브드 생성을 소개했습니다. 이는 사용자가 자연어 프롬프트를 통해 여러 복잡한 편집을 동시에 적용할 수 있게 해주는 강력한 방식입니다. 이를 통해 워크플로는 단일 편집 단계의 나열에서 진정으로 다면적인 창의적 프로세스로 진화합니다.

"복잡한 프롬프트를 효과적으로 해석하는 능력 덕분에 사용자는 단 한 번의 매끄러운 과정으로 수많은 편집을 요청할 수 있습니다."라고 Dehghani는 설명합니다. 이는 크리에이터가 미세한 조정부터 포괄적인 장면 전환까지 손쉽게 수행할 수 있도록 돕습니다.

고급 멀티모달 역량

크로스모달 러닝

팀은 이미지 이해와 생성 사이의 크로스모달 러닝이 가진 엄청난 잠재력을 강조했습니다. 동일한 아키텍처 내에서 양방향 능력 전이를 달성한 것은 AI 시스템 설계의 주요 이정표입니다.

Robert Riachi는 멀티모달 학습의 복잡성을 언급하며, 최종 목표는 단일 모델 내에서 네이티브 이해와 생성을 구현하여 다양한 창의적 작업 전반에서 성능을 극대화하는 것이라고 밝혔습니다.

인간 중심의 평가 체계

시각적 품질의 지속적인 개선을 위해, 팀은 학습 과정에 자동화된 지표와 인간 평가를 모두 통합했습니다. 인간 평가는 리소스가 많이 소요되지만, 사용자의 기대를 진정으로 이해하고 이를 뛰어넘는 시스템을 구축하는 데 필수적인 역할을 한다고 팀은 판단하고 있습니다.

Logan Kilpatrick은 인간의 선호도를 가장 잘 측정하는 방법에 대해 질문을 던졌고, 이는 모델이 프롬프트를 지능적으로 해석하여 글자 그대로의 지시를 넘어선 결과를 내놓도록 훈련하는 방법에 대한 논의로 이어졌습니다.

기술적 진화: 2.0에서 2.5로

‘합성’ 느낌 문제 해결

이전 버전에서는 새로운 요소가 자연스럽게 통합되지 않고 단순히 ‘붙여넣은’ 것처럼 보이는 이미지가 생성되기도 했습니다. 버전 2.5는 객체가 원래 형태를 유지하면서도 장면에 자연스럽게 녹아드는 매끄러운 변환을 가능하게 하여 이 문제를 해결했습니다.

버전 2.0이 편집 중 캐릭터 정체성을 유지하는 데 효과적이었다면, 버전 2.5는 이를 정체성 변화 없는 다각도 렌더링으로 확장했습니다. 이는 근본적인 아키텍처 개선을 통해 달성한 기술적으로 매우 어려운 성과입니다.

지능적인 창의적 해석

현재 모델의 주목할 만한 특징은 사용자의 초기 지시를 직관적으로 강화하여 결과를 내놓는 능력입니다. 이러한 ‘창의적 직관’은 명시적으로 프로그래밍된 것이 아니라, 시각적 문맥에 대한 모델의 깊은 이해에서 자연스럽게 발현됩니다.

Nicole Brichtova는 사용자가 항상 주도권을 쥐고 있다는 점을 강조했습니다. 반복적인 프롬프트 개선을 통해 크리에이터는 모델의 강력한 계산 능력을 활용하면서도 예술적 방향을 직접 조종할 수 있습니다.

산업 영향과 앞으로의 전망

전문적인 크리에이티브 워크플로

대형 빌보드 디자인부터 영향력 있는 소셜 미디어 에셋까지, 팀은 모델이 복잡한 텍스트 렌더링을 처리하면서도 최상의 시각적 품질을 유지하는 모습을 보여주었습니다. 이러한 실전 사례들은 Nanobanana가 전문가급 제작에 투입될 준비가 되었음을 증명합니다.

텍스트 렌더링은 여전히 지속적인 개발의 핵심이며, 상업적 및 전문적 용도의 엄격한 요구 사항을 충족하기 위해 계속해서 정교해지고 있습니다.

Gemini vs. Imagen: 전략적 역할

팀은 Google의 AI 시스템들이 서로 어떻게 보완하는지 명확히 했습니다.

• Imagen: 특정 작업에 특화된 모델이 필요한 개발자에게 최적화되어 있습니다.
• Gemini: 유연한 지시 처리 능력을 갖춘 다재다능한 멀티모달 크리에이티브 파트너로 설계되었습니다.

이러한 전략적 차별화는 사용자가 자신의 기술적, 창의적 요구 사항에 가장 적합한 도구를 선택할 수 있도록 보장합니다.

협업의 미래

진행 중인 프로젝트에 대한 팀의 열정은 빠른 혁신의 미래를 예고합니다. 시각적 충실도와 직관적인 상호작용에 대한 이들의 집중은 AI가 단순한 도구가 아니라 매우 유능한 크리에이티브 파트너가 되는 세상을 가리키고 있습니다.

Nanobanana는 단순한 기술적 이정표 그 이상입니다. 이는 인간과 AI 협업의 미래를 보여주는 창입니다. 정교한 이해와 네이티브 생성을 결합함으로써, 이전에는 도달할 수 없었던 창의적 지평을 열어주고 있습니다.

팀이 가능성의 경계를 계속해서 넓혀감에 따라, 우리는 이미지 생성, 편집, 시각적 스토리텔링 방식의 근본적인 변화를 목격하고 있습니다.