실전 사례 1: 로컬 이미지 가공 자동화 — 배경을 투명하게 만들기

가장 먼저 해보면 좋은 자동화

배경 제거는 비개발자가 Codex 데스크톱의 장점을 가장 빠르게 체감할 수 있는 작업입니다. 이유는 단순합니다. 결과가 눈에 바로 보이기 때문입니다. 문서 정리는 잘돼도 티가 덜 나지만, 사진 한 장의 지저분한 배경이 사라지고 깔끔한 투명 PNG가 저장되는 순간에는 "아, 이게 자동화구나"라는 감각이 확 옵니다.

특히 이 작업은 Codex 데스크톱의 강점과 잘 맞습니다. 작업 폴더 안의 원본 이미지를 읽고, 결과 파일을 다른 폴더에 저장하고, 파일 이름 규칙까지 정리할 수 있기 때문입니다. Codex는 원래 코딩 도구로 출발했지만, 지금은 컴퓨터 사용, 이미지 생성, 브라우징 같은 기능까지 더해지며 더 넓은 범위의 작업을 다루는 방향으로 확장되고 있습니다.¹

이번 실습의 목표는 거창하지 않습니다. 로컬에 저장된 이미지를 불러와서, 배경 제거를 지시하고, 결과를 검수하고, 부족한 부분은 다시 수정해서 최종본을 저장하는 것입니다. 이 한 번의 흐름만 익혀도 이후의 브로슈어 제작, 상품 이미지 정리, 썸네일 제작 준비가 훨씬 수월해집니다.

먼저 알아둘 점: 좋은 이미지 생성 모델과 좋은 배경 제거 도구는 같은 말이 아니다

앞 장에서 본 것처럼 최신 이미지 모델은 점점 더 정교해지고 있습니다. 하지만 "이미지를 멋지게 생성하는 능력"과 "기존 이미지의 배경을 깨끗하게 제거하는 능력"은 완전히 같은 문제가 아닙니다.

ChatGPT Images 2.0과 gpt-image-2는 텍스트 표현, 다국어 지원, 시안 제작 같은 영역에서 크게 발전했습니다.² 다만 실무에서 투명 배경 결과물이 가장 중요할 때는, 이미지 생성 모델 하나만 붙잡기보다 배경 제거에 특화된 경로를 함께 고려하는 편이 더 현실적일 때가 많습니다. 예를 들어 remove.bg 같은 전용 서비스나, 로컬에서 돌아가는 배경 제거 도구는 이 작업에 더 직접적으로 맞는 경우가 있습니다.³⁴

여기서 중요한 결론은 하나입니다. 최신 모델을 무조건 쓰는 것이 아니라, 목적에 맞는 경로를 고르는 것이 자동화의 시작이라는 점입니다.

이번 실습의 작업 방식

이번 장에서는 Codex 데스크톱을 중심으로 다음 순서로 진행합니다.

• 작업 폴더를 만들고 원본 이미지를 넣는다.

• 한 장만 먼저 테스트해서 품질을 본다.

• 결과를 검수한 뒤 수정 지시를 준다.

• 만족스러우면 같은 방식으로 여러 장에 확장한다.

처음부터 열 장, 스무 장을 한꺼번에 돌리면 오히려 손이 더 갑니다. 자동화의 핵심은 "처음 한 장을 제대로"입니다. 이 순서를 지키면 실패도 빨리, 수정도 싸게 끝납니다.

작업 폴더를 이렇게 나누면 편하다

실무에서는 폴더 구조가 곧 업무 정리입니다. 이번 실습에서는 작업 폴더를 단순하게 나누는 것이 좋습니다.

• input 폴더: 원본 이미지 보관

• output 폴더: 배경 제거 완료본 저장

• review 폴더: 애매한 결과물, 재작업 대상 저장

• notes 폴더: 지시문, 검수 기준, 파일명 규칙 메모

이 구조가 좋은 이유는 Codex에게 설명하기 쉽기 때문입니다. "input의 파일을 읽고 output에 저장해줘"라고 말하면 사람끼리도 헷갈리지 않고, 나중에 다시 작업할 때도 기억이 잘 납니다.

작업 대상이 제품 사진이라면 파일 이름도 미리 정리해두는 편이 좋습니다. 예를 들어 glass-front-01.jpg, glass-side-01.jpg처럼 이름만 보고도 내용을 짐작할 수 있게 만들어두면, Codex가 결과 파일을 저장하거나 검수 목록을 작성할 때 훨씬 매끄럽습니다.

1단계: 한 장만 골라서 테스트하기

가장 먼저 할 일은 대표 이미지를 한 장 고르는 것입니다. 배경이 단순한 이미지보다, 오히려 조금 까다로운 이미지를 먼저 고르는 편이 좋습니다. 예를 들면 이런 경우입니다.

• 머리카락처럼 가장자리가 복잡한 인물 사진

• 투명 렌즈가 있는 안경 또는 AR 글래스 사진

• 흰 배경 위 흰 제품처럼 경계가 약한 상품 사진

• 바닥 그림자가 남아 있는 제품 컷

특히 다음 장들에서 다루게 될 AR 글래스는 배경 제거가 은근히 까다롭습니다. 렌즈가 반투명하고 프레임이 얇아서, 대충 처리하면 제품이 뭉개져 보이기 쉽기 때문입니다. 그래서 이 사례는 단순한 이미지 편집 실습이 아니라, 이후 브로슈어 품질을 좌우하는 준비 운동이기도 합니다.

Codex에는 아주 구체적으로 말하는 편이 좋습니다. 막연하게 "배경 제거해줘"라고 하지 말고, 무엇을 남기고 무엇을 바꿔야 하는지 분명히 적습니다.

작업 폴더의 input/glass-front-01.jpg를 기준으로 제품만 남기고 배경을 제거해줘.
결과는 투명 배경 PNG로 output/glass-front-01-cutout.png에 저장해줘.
프레임의 얇은 가장자리와 렌즈의 반투명 느낌은 최대한 유지하고, 제품 외의 그림자나 배경 얼룩은 제거해줘.
결과를 저장한 뒤, 문제가 있을 수 있는 부분도 함께 알려줘.

이 프롬프트가 좋은 이유는 세 가지입니다. 남겨야 할 대상이 분명하고, 저장 위치가 분명하며, 검수 포인트까지 미리 알려주기 때문입니다.

2단계: 결과를 눈으로 검수하기

자동화에서 사람이 완전히 빠지는 순간은 생각보다 늦게 옵니다. 특히 배경 제거는 검수가 정말 중요합니다. 한눈에 보기에는 괜찮아 보여도, 발표 자료나 인쇄물에 올리는 순간 어색한 부분이 튀어나올 수 있습니다.

검수할 때는 다음 네 가지만 집중해서 보면 됩니다.

• 외곽선이 깨끗한가

• 반투명 부분이 뭉개지지 않았는가

• 제품 아래 그림자 처리가 자연스러운가

• 저장 형식이 정말 투명 PNG인가

외곽선은 머리카락, 손가락, 안경테처럼 얇은 부분에서 문제가 많이 납니다. 반투명 부분은 렌즈, 유리컵, 병, 비닐 같은 물체에서 자주 흔들립니다. 그림자는 완전히 없애야 하는 경우도 있지만, 제품이 공중에 떠 보이지 않게 아주 약하게 남기는 편이 더 자연스러운 경우도 있습니다. 이 판단은 결국 용도에 따라 달라집니다. 쇼핑몰 상세페이지용인지, 브로슈어 합성용인지, 발표 자료용인지에 따라 정답이 달라집니다.

3단계: 마음에 안 들면 수정 지시를 더 좁혀서 주기

첫 결과가 완벽할 필요는 없습니다. 중요한 것은 다시 지시할 수 있는 상태를 만드는 것입니다. 여기서 비개발자가 Codex를 잘 쓰는 사람과 못 쓰는 사람으로 나뉩니다. 잘 쓰는 사람은 "별로예요"라고 말하지 않고, 어디가 왜 이상한지 짚습니다.

예를 들어 이런 식입니다.

방금 저장한 output/glass-front-01-cutout.png를 다시 확인해줘.
렌즈 가장자리가 너무 날카롭게 잘려서 부자연스럽다. 렌즈 내부는 유지하고, 프레임 바깥 배경만 더 깔끔하게 정리해줘.
제품 아래 자연스러운 아주 약한 그림자는 남겨도 좋다.
수정본은 output/glass-front-01-cutout-v2.png로 저장해줘.

혹은 인물 사진이라면 이렇게 말할 수 있습니다.

머리카락 끝부분이 잘려 보인다. 머리카락 외곽을 더 자연스럽게 복원하고, 얼굴 윤곽은 바꾸지 말아줘.

이때 핵심은 "전체를 다시 만들어"가 아니라 "무엇은 유지하고, 무엇만 바꿔"라고 말하는 것입니다. 이미지 편집에서는 바뀌지 않아야 할 요소를 명확히 잠가두는 지시가 품질을 안정시키는 데 도움이 됩니다.

4단계: 최종 저장 규칙을 정하기

한 장이 잘 되면, 이제부터는 저장 규칙을 정해야 합니다. 이 단계가 의외로 중요합니다. 결과물이 예쁘기만 하고 파일 관리가 엉망이면, 자동화가 아니라 새로운 혼란이 시작됩니다.

예를 들어 다음처럼 규칙을 정할 수 있습니다.

원본은 그대로 둡니다. 결과물은 모두 -cutout 접미사를 붙입니다. 수정본은 -v2, -v3처럼 버전을 붙입니다. 검수에서 보류된 이미지는 review 폴더로 보냅니다. 최종 납품용만 따로 final 폴더에 모읍니다.

Codex에게도 이 규칙을 명시적으로 알려주면 좋습니다.

앞으로 이 프로젝트에서는 배경 제거 결과물에 -cutout을 붙여 저장해줘.
재수정본은 버전 번호를 붙이고, 검수가 필요한 파일은 review 폴더로 분류해줘.
덮어쓰기는 하지 말고 새 파일로 저장해줘.

이 한 문장 때문에 나중에 파일을 찾느라 시간을 버리는 일을 크게 줄일 수 있습니다.

5단계: 여러 장으로 확장하기

이제 비로소 자동화다운 느낌이 납니다. 한 장에서 기준이 잡혔으니, 같은 조건의 이미지 묶음에 확장하면 됩니다. 이때도 처음부터 전부 자동 승인으로 가기보다, 몇 장 단위로 끊어서 검수하는 편이 안전합니다.

예를 들어 제품 사진 20장이 있다면 이렇게 요청하면 됩니다.

input 폴더의 제품 이미지들 중 정면 컷과 측면 컷을 같은 기준으로 배경 제거해줘.
결과는 모두 output에 PNG로 저장하고, 품질이 애매한 파일은 review/todo.md에 이유를 적어줘.
특히 렌즈, 얇은 프레임, 반사광이 있는 이미지는 별도로 표시해줘.

이런 요청이 좋은 이유는 Codex가 단순 실행자에서 작업 정리자 역할까지 하기 때문입니다. 잘된 파일은 저장하고, 애매한 파일은 따로 모으고, 사람이 다시 봐야 할 목록까지 남겨줍니다. 바로 이 지점이 웹보다 데스크톱이 편한 순간입니다. 파일을 읽고 쓰는 일 자체가 작업 흐름 안에 들어오기 때문입니다.

처음 검토는 Fast 모드로 가볍게 돌리고, 까다로운 몇 장만 더 신중하게 다시 보는 방식도 효율적입니다. 초안은 빠르게, 품질 확인은 좁고 깊게 하는 쪽이 훨씬 덜 피곤합니다.

품질이 아쉬울 때는 전용 도구를 함께 쓰면 된다

배경 제거는 생각보다 전용 도구의 힘이 큽니다. 예를 들어 remove.bg처럼 자동 배경 제거에 특화된 서비스는 빠르게 결과를 확인하기 좋습니다.³ 다만 이런 서비스는 클라우드 기반이라, 민감한 내부 사진이나 대량 처리에서는 망설여질 수 있습니다.

반대로 LocalBG 같은 오프라인 도구는 로컬 처리와 반복 작업에 장점이 있습니다.⁴ 이때 Codex 데스크톱이 더 빛납니다. 비개발자가 직접 명령어를 외울 필요 없이, Codex에게 "이 도구를 이용해 input 폴더의 이미지를 일괄 처리하는 간단한 실행 흐름을 만들어주고, 결과를 output에 저장하게 해줘"라고 요청할 수 있기 때문입니다.

즉, Codex가 꼭 모든 픽셀을 직접 잘라내야만 가치가 있는 것은 아닙니다. 어떤 도구를 써야 하는지 판단하고, 그 도구를 내 업무 흐름 안에 묶어주는 것도 아주 중요한 자동화입니다.

자주 생기는 실패와 해결법

배경 제거 자동화는 생각보다 비슷한 지점에서 자주 실패합니다. 흰 제품이 흰 배경과 붙어 있으면 경계가 사라지고, 유리나 렌즈는 통째로 날아가기도 하며, 그림자를 전부 없앴더니 제품이 스티커처럼 떠 보이기도 합니다.

이럴 때는 대개 세 가지 방식으로 해결됩니다.

첫째, 원본 이미지를 바꿉니다. 조명이 너무 약하거나 배경과 대상의 톤이 비슷하면 어떤 도구를 써도 힘듭니다. 둘째, 지시를 더 세밀하게 씁니다. "배경 제거" 한마디보다 "프레임은 유지, 렌즈는 반투명 유지, 외부 그림자 제거, 바닥 접지감은 약하게 남김"이 훨씬 강합니다. 셋째, 결과를 한 번에 확정하지 말고 v2, v3로 남깁니다. 실무에서는 완벽한 첫 시도보다 비교 가능한 두 번째 결과가 더 유용합니다.

이 실습으로 얻게 되는 감각

이번 사례에서 진짜로 익혀야 하는 것은 배경 제거 자체보다 더 큰 감각입니다. 바로 파일을 중심으로 AI에게 일을 맡기는 습관입니다.

원본은 어디에 두는지, 결과물은 어떤 이름으로 저장하는지, 검수 대상을 어디에 모으는지, 수정 요청은 얼마나 구체적으로 적는지. 이런 것들이 정리되면 다음 장에서 할 AR 글래스 브로슈어 준비 작업도 훨씬 쉬워집니다. 이미지를 모으고, 숫자를 정리하고, 지시사항을 만들고, 초안을 반복 수정하는 과정이 모두 같은 리듬으로 이어지기 때문입니다.

한마디로 말하면, 이번 장의 성공 경험은 단순한 이미지 편집이 아닙니다. Codex 데스크톱을 내 로컬 업무 보조자로 받아들이는 첫 장면입니다.

참고

¹Codex for (almost) everything - OpenAI

²Introducing ChatGPT Images 2.0 - OpenAI

³이미지 배경 제거, 투명 배경 만들기 – remove.bg

⁴LocalBG - Local Background Remover