책에 포함된 노트프로덕션 ComfyUI: 이미지에서 영상까지, 노드로 완성하는 AI 콘텐츠 파이프라인

21장. 프로젝트 4 — E-Commerce 상품 사진 자동 생성

2026-04-25Views 16약 11분생성형 AI 활용

21장. 프로젝트 4 — E-Commerce 상품 사진 자동 생성

이커머스에서 상품 이미지는 단순한 사진이 아니다. 그것은 썸네일이고, 광고 소재이고, 상세페이지의 첫인상이며, 때로는 구매 전환율 그 자체다. 문제는 늘 같다. SKU는 많고, 시즌은 자주 바뀌고, 배경 버전은 끝없이 늘어나며, 마케팅 팀은 어제까지 필요하다고 하지 않던 컷을 오늘 오후까지 달라고 한다. 전통적인 촬영 방식으로는 이 속도를 따라가기 어렵다. ComfyUI가 강력한 이유는 한 장의 이미지를 예쁘게 만드는 데 있지 않다. 같은 규칙으로 수백 장을 반복 생산하고, 수정 요청이 들어와도 그래프 일부만 바꿔 다시 돌릴 수 있다는 데 있다.¹

이 장에서는 상품 컷아웃, 배경 합성, 모델 착용 시뮬레이션, 다국어 카탈로그 제작까지 이어지는 실전형 파이프라인을 설계한다. 핵심은 "잘 만든 한 장"이 아니라 "계속 돌아가는 공장"이다.

PART 6 / 21장. 프로젝트 4 — E-Commerce 상품 사진 자동 생성

프로젝트 개요: 한 번 촬영하고, 여러 채널로 증식시키기

이 프로젝트의 목표는 하나의 마스터 상품 이미지에서 여러 형태의 산출물을 자동으로 뽑아내는 것이다. 가장 기본적인 결과물은 다음과 같다.

순백 배경의 기본 상품 컷
투명 배경 PNG 컷아웃
브랜드 무드에 맞는 라이프스타일 합성 컷
의류 기준 모델 착용 시뮬레이션 이미지
국가별 언어가 반영된 카탈로그용 패키지

전통적인 방식에서는 이 결과물이 각각 다른 팀, 다른 도구, 다른 일정으로 흩어진다. 하지만 ComfyUI에서는 하나의 그래프를 중심으로 가지를 뻗듯 만들 수 있다. 입력은 통일하고, 중간 처리 노드는 재사용하고, 마지막 출력만 용도별로 분기하는 식이다. 이 구조가 바로 프로덕션 감각이다.

왜 이커머스에서 ComfyUI가 특히 강한가

이커머스는 창의성보다 반복이 더 무서운 영역이다. 예를 들어 상품 100개가 있고, 각 상품마다 화이트 배경 2장, 라이프스타일 컷 3장, 광고용 변주 5장이 필요하다면 금방 수백 장 규모가 된다. 여기서 중요한 것은 매번 "새로 만드는 능력"보다 "같은 품질로 다시 만드는 능력"이다. AI 기반 상품 사진 파이프라인은 촬영 병목과 수정 대기 시간을 크게 줄이고, 한 번 정리한 워크플로우를 여러 SKU에 반복 적용할 수 있다는 점에서 비용과 리드타임을 동시에 줄여 준다.¹

ComfyUI가 여기서 빛나는 이유는 세 가지다.

그래프를 템플릿처럼 재사용할 수 있다.
변경된 부분만 다시 실행하므로 반복 작업에 유리하다.
로컬 모델, 커스텀 노드, API 노드를 한 파이프라인에 섞을 수 있다.

즉, "한 장 잘 뽑는 아티스트 도구"가 아니라 "수십 SKU를 굴리는 운영 도구"가 된다.

전체 파이프라인 설계

실전에서는 이 프로젝트를 다섯 단계로 나누면 관리가 쉽다.

입력 표준화
상품 컷아웃 생성
배경 합성 및 리라이팅
의류 상품용 모델 착용 시뮬레이션 분기
다국어 카탈로그 패키징 및 배치 출력

이 다섯 단계를 한 그래프에 전부 넣어도 되지만, 운영 관점에서는 보통 세 개의 서브그래프로 나누는 편이 낫다. 첫 번째는 "클린업", 두 번째는 "비주얼 생성", 세 번째는 "출력/패키징"이다. 그래야 실패 지점을 찾기 쉽고, 작업자 역할도 나눌 수 있다.

1단계: 입력 표준화 — 좋은 자동화는 좋은 원본에서 시작한다

자동화는 마법이 아니어서, 원본이 엉망이면 결과도 엉망이 된다. 상품 사진 자동화에서 가장 먼저 해야 할 일은 촬영 퀄리티를 높이는 것이 아니라 입력 형식을 통일하는 것이다.

최소 기준은 이 정도면 충분하다.

정면, 45도, 디테일 컷처럼 각도를 정해 촬영한다.
가능한 한 흰색 또는 중립 배경에서 촬영한다.
SKU, 색상, 사이즈, 카테고리 메타데이터를 파일명이나 CSV에 함께 묶는다.
해상도는 최소 1080px 이상으로 확보한다.

중요한 것은 완벽한 원본이 아니라 일관된 원본이다. 한 상품은 스튜디오 조명, 다른 상품은 창가 자연광, 또 다른 상품은 스마트폰 야간모드로 들어오면 이후 단계에서 보정 규칙이 무너진다. 프로덕션 파이프라인은 예술가보다 회계팀을 닮아야 한다. 입력 규칙이 통일될수록 뒤가 편하다.

2단계: 상품 컷아웃 — 배경 제거는 가장 단순하지만 가장 자주 깨지는 구간

이커머스 자동화의 시작은 상품을 배경에서 정확히 떼어내는 일이다. 공식 예시 워크플로우들에서는 SegmentAnythingUltra 계열 노드나 마스킹 모델을 이용해 상품을 분리하고, GrowMaskWithBlur 같은 후처리로 가장자리를 다듬은 뒤, 필요하면 4K 업스케일까지 이어지는 구조를 많이 쓴다.²

실무에서 컷아웃은 두 갈래로 나뉜다. 첫째는 완전 자동 경로다. 흰 배경, 단순한 실루엣, 경계가 뚜렷한 상품은 자동 세그멘테이션만으로도 상당히 안정적이다. 둘째는 반자동 경로다. 유리병, 반투명 플라스틱, 레이스, 털, 금속 반사처럼 경계가 까다로운 경우에는 수동 보정이 들어가야 한다.

자동 컷아웃 그래프의 기본 흐름은 단순하다.

LoadImage → Resize → Segmentation/Matting → Mask Grow & Blur → Composite Alpha → Save PNG

여기서 핵심은 "얼마나 잘 떼었는가"보다 "다음 단계에서 얼마나 잘 붙을 수 있는가"다. 컷아웃 가장자리가 너무 날카로우면 배경 합성 시 스티커처럼 뜨고, 너무 흐리면 상품이 녹아버린다. 그래서 가장자리 확장과 페더링 값을 상품군별 프리셋으로 나누는 것이 좋다. 화장품 병과 니트웨어의 마스크 설정이 같을 수는 없다.

난이도가 높은 상품에서는 LayerForge 같은 레이어 기반 캔버스 노드가 큰 도움이 된다. 이 노드는 포토샵처럼 여러 레이어를 배치하고, 마스크를 손으로 다듬고, 필요한 부분만 인페인트하는 식의 작업을 ComfyUI 안에서 처리하게 해 준다. 특히 자동 매팅이 어색한 제품이나 복합 합성 작업에서 유용하다.⁴

컷아웃 단계의 산출물은 최소 두 개를 남기는 편이 좋다.

투명 PNG
알파 마스크가 보존된 내부 중간 결과

나중에 배경만 바꾸거나, 마스크만 교체하거나, 특정 SKU의 에지만 다시 손보는 일이 자주 생기기 때문이다.

3단계: 배경 합성 — 상품을 '붙이는' 것이 아니라 '놓는' 것이다

상품 합성에서 초보자가 가장 자주 하는 실수는 배경 위에 상품을 올려놓고 끝내는 것이다. 하지만 잘 만든 이커머스 이미지는 단순 합성이 아니라 공간 배치다. 상품이 바닥에 실제로 놓인 것처럼 보여야 하고, 광원과 그림자가 배경과 같은 세계에 속해야 한다.

이 작업은 대체로 두 방식으로 진행된다. 하나는 미리 준비한 배경 이미지를 쓰는 방식이고, 다른 하나는 프롬프트로 배경을 생성하는 방식이다. 실무에서는 보통 두 방식을 함께 쓴다. 브랜드 표준 컷은 미리 정한 배경을 사용하고, 캠페인용 변주는 프롬프트 생성 배경으로 확장한다.

리서치 자료에 나온 상품 사진 워크플로우들은 공통적으로 다음 같은 흐름을 가진다. 먼저 상품 이미지를 리사이즈하고 배경을 제거한 다음, ImageBlend 계열 노드로 위치와 크기를 맞춘다. 그 다음 리라이팅 노드로 광원을 새로 입히고, 필요하면 리페인트로 연결부를 자연스럽게 만든 뒤, Detail Transfer나 색상 복원 단계에서 라벨 문자와 상품 디테일을 다시 살린다.³

이 흐름을 텍스트로 옮기면 이렇다.

Load Product → Remove BG → Place on Scene → Relight → Repaint if needed → Restore Label/Color → Save

여기서 중요한 파라미터는 생각보다 단순하다.

위치: x, y, scale, rotate
조명: 광원 방향, 밝기, 대비, 블러 강도
복원: 디테일 전달 강도, 색 복원 비율, 최종 블렌드 비율

상품 배치에서는 "정확한 중앙 정렬"보다 "그럴듯한 무게중심"이 중요하다. 향수병은 대개 화면 중앙 아래쪽에 안정감 있게 놓이고, 식품 패키지는 약간 사선으로 틀어 동세를 만들며, 전자기기는 화면 가장자리에 여백을 충분히 두는 편이 좋다. 이 미묘한 차이를 노드 프리셋으로 저장해 두면 SKU마다 손으로 옮기는 시간을 크게 줄일 수 있다.

4단계: 리라이팅 — 합성 티를 지우는 마법이 아니라, 현실감을 맞추는 기술

배경 합성 후 가장 큰 위화감은 조명에서 생긴다. 상품은 왼쪽 위에서 빛을 받고 있는데, 배경은 오른쪽 뒤에서 빛이 들어오면 사람 눈은 즉시 "가짜"라고 느낀다. 그래서 리라이팅은 선택이 아니라 필수에 가깝다.

공식 이커머스 강화 워크플로우에서는 ICLight 모델을 이용해 광원 방향과 세기를 제어하고, 이후 타일 기반 업스케일로 고해상도 결과를 만드는 흐름을 제안한다. VRAM이 적은 환경에서는 타일 크기를 512 수준으로 나눠 OOM을 피하는 식의 실무 팁도 함께 제시한다.²

리라이팅을 쓸 때 기억할 점은 하나다. 빛을 많이 넣을수록 좋아지는 것이 아니다. 너무 강한 리라이팅은 금속 표면의 하이라이트를 깨뜨리고, 라벨 인쇄를 흐리게 만들고, 플라스틱 제품을 도자기처럼 보이게 만든다. 그래서 실무에서는 다음 순서가 안전하다.

처음에는 약한 조명 보정으로 시작한다. 그다음 전체 장면의 입체감만 맞춘다. 마지막에 상품 로고, 텍스트, 재질 같은 민감한 부분만 복원한다. 이렇게 하면 "자연스러움"과 "상품 정확도" 사이의 균형을 잡기 쉽다.

리라이팅의 대안으로는 Seedream 계열 리라이트 템플릿처럼 배경과 상품을 먼저 합성한 뒤 모델이 장면 전체 조명을 다시 조율하게 하는 방식도 있다.⁵ 이 방식은 빠르고 결과가 예쁜 편이지만, 제품 고증이 중요한 카테고리에서는 결과를 꼭 검수해야 한다. 예쁜 빛은 잘 만들지만, 정확한 로고는 종종 망친다.

5단계: 디테일 복원 — 이커머스에서는 '예쁨'보다 '정확함'이 우선이다

일반적인 생성 이미지와 달리 상품 이미지는 틀리면 안 된다. 향수 병 라벨이 살짝 바뀌어도, 전자기기 버튼 위치가 달라도, 신발 끈 패턴이 달라도 문제가 된다. 그래서 이커머스 파이프라인의 핵심은 생성이 아니라 복원이다.³

실전에서는 특히 다음 요소를 우선 복원한다.

상품 로고와 라벨 텍스트
패키지의 모서리 형태와 비율
재질 고유의 질감과 색상
브랜드 기준 색상

좋은 방법은 민감한 영역을 처음부터 분리하는 것이다. 예를 들어 화장품 병의 라벨 부분만 별도 마스크로 분리해 두고, 최종 단계에서 원본 디테일을 얹으면 글자 깨짐을 줄일 수 있다. "생성 후 복원"보다 "처음부터 보호 후 복원"이 더 안정적이다.

6단계: 모델 착용 시뮬레이션 — 패션 카테고리의 별도 분기

의류, 잡화, 액세서리 카테고리에서는 배경 합성만으로는 부족하다. 고객은 제품 단독 사진보다 "사람이 입었을 때 어떤가"를 더 궁금해한다. 이때 필요한 것이 가상 착용, 즉 virtual try-on 분기다.

ComfyUI 생태계에는 로컬 기반 착용 시뮬레이션 워크플로우와 API 기반 노드가 모두 존재한다. 일반적인 Virtual Try On 노드는 사용자 사진과 의류 이미지를 받아 정렬, 스케일링, 오버레이를 수행하는 개념으로 설명되며, 전자상거래의 반품률 감소와 사용자 경험 향상에 직접 연결된다.⁷ 한편 FASHN은 이 기능을 ComfyUI 노드로 제공해 기존 그래프 안에 API 기반 착용 시뮬레이션을 자연스럽게 끼워 넣을 수 있게 했다.⁶

실무에서는 두 경로를 상황에 따라 나누는 것이 좋다.

로컬 경로: 비용 절감, 데이터 통제, 대량 배치에 유리
API 경로: 결과 안정성, 유지보수 편의성, 빠른 도입에 유리
하이브리드 경로: 기본 미리보기는 로컬, 최종 승인본은 API

착용 시뮬레이션은 단순 배경 합성보다 더 예민하다. 옷의 주름, 몸의 포즈, 소매 길이, 허리선, 머리카락과의 겹침이 모두 자연스러워야 하기 때문이다. 따라서 모델 이미지를 아무렇게나 넣으면 안 된다. 정면 또는 반측면, 팔이 몸에서 적당히 떨어진 포즈, 과도한 액세서리가 없는 입력이 가장 안정적이다. 의류 단품 이미지도 구겨진 상태보다는 펼쳐진 상태가 훨씬 잘 맞는다.

또한 패션 카테고리에서는 완벽한 진실보다 구매 보조 정보가 더 중요할 때가 많다. 즉, 착용 시뮬레이션 이미지는 "정확한 룩북"이 아니라 "착용감 이해를 돕는 보조 시각화"로 위치를 잡는 편이 안전하다. 상세페이지에 이 목적을 분명히 반영하면 기대치 관리에도 도움이 된다.

7단계: 다국어 카탈로그 제작 — 이미지 자동화가 끝이 아니라 시작이다

상품 이미지를 만들고 나면 끝날 것 같지만, 실제 운영에서는 그다음이 더 길다. 채널별 해상도, 국가별 언어, 마켓플레이스별 배경 규정, 파일명 규칙, 썸네일 비율, alt 텍스트, 메타데이터 패키징이 뒤따른다.

이 단계에서 좋은 구조는 "이미지 생성"과 "카탈로그 조립"을 분리하는 것이다. ComfyUI는 이미지 생성과 변형에 집중하고, 외부 자동화 시스템은 텍스트와 파일 흐름을 관리하게 한다. 실제로 이커머스용 ComfyUI 워크플로우 저장소들은 n8n 같은 오케스트레이션 도구와의 연동, 상품 데이터 연결, 배치 이미지 처리 구조를 함께 제안한다.⁸

예를 들어 이런 식이다.

PIM 또는 스프레드시트에서 SKU, 상품명, 언어, 색상 정보를 읽는다.
n8n 또는 Make가 언어별 카피를 생성하거나 불러온다.
각 SKU마다 ComfyUI API를 호출해 필요한 이미지 세트를 만든다.
결과물을 sku/locale/channel 구조로 저장한다.
마지막에 PDF 카탈로그, 상세페이지 묶음, 광고 업로드용 ZIP으로 패키징한다.

여기서 ComfyUI의 진짜 장점이 드러난다. 한 장면을 만들고 끝나는 것이 아니라, 같은 그래프에서 아마존용 1:1, 자사몰용 4:5, 광고용 9:16, 카탈로그용 A4 비율을 가지처럼 분기할 수 있다. 마치 공장에서 같은 원단으로 셔츠, 샘플북, 행택을 동시에 뽑는 느낌이다.

실제 운영 시나리오 1: 화장품 브랜드

화장품은 이커머스 자동화에 가장 잘 맞는 카테고리 중 하나다. 병 형태가 비교적 일정하고, 브랜드 무드도 명확하며, 시즌 변주가 많기 때문이다.

입력은 흰 배경에서 촬영한 에센스 병 정면 컷이다. 먼저 자동 세그멘테이션으로 병을 분리하고, 가장자리를 얇게 페더링해 투명 PNG를 만든다. 다음으로 두 개의 배경 분기를 둔다. 하나는 순백 배경 히어로 컷, 다른 하나는 대리석 상판과 부드러운 그림자가 들어간 라이프스타일 컷이다. 후자에서는 상품 위치를 살짝 아래에 두고, ICLight로 윗광원을 약하게 넣은 뒤, 라벨 부분은 디테일 복원 노드로 다시 얹는다. 마지막으로 광고용 4:5, 상세페이지용 1:1, 배너용 16:9를 한 번에 저장한다.

이 흐름의 장점은 신제품이 나와도 배경 팀, 리터칭 팀, 광고 팀이 따로 움직이지 않아도 된다는 데 있다. 병만 바꾸고 같은 그래프를 돌리면 된다.

실제 운영 시나리오 2: 패션 쇼핑몰

패션은 화장품보다 변수가 많지만, 대신 ComfyUI의 분기 구조가 더 크게 빛난다. 의류 단품컷, 모델 착용컷, 색상별 변주, 국가별 배너 비율이 한꺼번에 발생하기 때문이다.

기본 흐름은 이렇다. 먼저 의류 단품 이미지를 정리해 컷아웃을 만든다. 그다음 모델 사진을 불러와 가상 착용 경로로 보낸다. 로컬 CatVTON 계열이나 Qwen 기반 착용 워크플로우를 시험용으로 쓰고, 상용 최종본은 FASHN API 노드로 보정하는 하이브리드 구성을 취할 수 있다.⁶⁷ 그 후 배경을 자사몰 기준의 밝은 회색 톤으로 통일하고, 일본 몰용 3:4, 미국 마켓플레이스용 1:1, 소셜 광고용 9:16으로 자동 저장한다.

여기서 중요한 것은 "예쁜 모델"이 아니라 "일관된 모델 조건"이다. 같은 모델 풀, 같은 카메라 높이, 같은 포즈 군을 유지할수록 색상별 변주를 대량 생산하기 쉽다.

품질 검수 체크리스트

이커머스 자동화는 생성보다 검수가 중요하다. 결과물을 볼 때는 예술적 감상보다 체크리스트가 먼저다.

상품 비율이 원본과 일치하는가
로고와 텍스트가 읽히는가
가장자리에 흰 테두리나 검은 번짐이 없는가
그림자 방향이 배경과 충돌하지 않는가
브랜드 색상이 기준에서 벗어나지 않았는가
SKU별 크롭 규칙이 통일되어 있는가
착용 시뮬레이션의 소매, 목선, 허리선이 자연스러운가

가능하면 검수를 두 단계로 나누는 것이 좋다. 첫 번째는 자동 규칙 검사다. 해상도, 비율, 파일명, 배경 색상 같은 기계적 조건을 먼저 걸러낸다. 두 번째는 사람 검수다. 로고 깨짐, 이상한 손가락, 어색한 주름 같은 시각적 오류는 사람이 훨씬 잘 찾는다.

자주 생기는 실패와 해결법

컷아웃 가장자리가 번들거린다

원인은 대개 마스크 페더링 과다이거나 배경 색이 상품 가장자리에 비쳐 들어간 경우다. 마스크를 약간 안쪽으로 줄이고, 합성 전에 디스필 계열 보정이나 가장자리 색 정리를 한 번 넣으면 개선된다.

상품이 배경에 둥둥 떠 보인다

위치는 맞는데 그림자가 약하거나 접지감이 없는 경우다. 접지 그림자를 별도 레이어로 넣거나, 리라이팅 전에 밝기 맵을 조정해 바닥 쪽 음영을 더 주면 안정된다.³

라벨 문자가 깨진다

생성 모델이 문자를 그림처럼 해석했기 때문이다. 라벨 영역을 보호 마스크로 빼고, 최종 단계에서 원본 디테일을 부분 합성하는 편이 낫다. 상품 상세용 이미지는 생성보다 복원 우선이라는 원칙을 잊지 말자.

착용 시뮬레이션에서 옷이 몸에 붙지 않는다

대개 모델 포즈가 나쁘거나 의류 이미지가 구겨져 있다. 팔이 교차된 모델, 주름이 심한 평면 의류 사진은 피하자. 입력을 바꾸는 것이 파라미터 튜닝보다 빠를 때가 많다.

SKU마다 결과 분위기가 흔들린다

프롬프트 자유도가 너무 높거나 랜덤성이 과한 상태다. 이커머스에서는 창의성보다 통일성이 우선이므로, 배경 프롬프트를 템플릿화하고 시드 범위를 통제하는 편이 좋다.

운영 팁: 처음부터 '대량 생산'을 염두에 두고 짜기

이 장의 핵심은 이미지 한 장을 만드는 법이 아니라, 이미지 생산라인을 만드는 법이다. 그래서 그래프를 짤 때부터 다음을 고려해야 한다.

노드 그룹 이름을 사람이 이해할 수 있게 붙인다.
입력값은 가능하면 한쪽 패널에 모은다.
상품군별 프리셋을 따로 저장한다.
중간 결과를 저장해 재실행 범위를 줄인다.
최종 파일명에 SKU, 언어, 채널, 비율 정보를 포함한다.

이런 습관이 쌓이면 ComfyUI는 점점 포토 에디터가 아니라 시각 자산 운영체제가 된다. 특히 이커머스처럼 반복이 많은 분야에서는 그 차이가 매우 크다.

마무리: ComfyUI는 상품 사진을 만드는 도구가 아니라, 상품 이미지 회전율을 높이는 도구다

상업 작업에서 중요한 것은 멋진 데모보다 납기와 일관성이다. 상품 컷아웃, 배경 합성, 모델 착용 시뮬레이션, 다국어 카탈로그 출력까지 이어지는 흐름을 한 파이프라인으로 묶으면, 이미지 제작은 더 이상 병목이 아니다. 수정 요청이 들어오면 촬영을 다시 잡는 대신 그래프를 수정하면 되고, 신제품이 들어오면 새 프로젝트를 만드는 대신 입력만 바꾸면 된다.

결국 이커머스에서 ComfyUI의 힘은 "AI가 그려 준다"가 아니라 "운영 가능한 형태로 계속 돌릴 수 있다"는 데 있다. 반복이 많은 팀일수록, 속도가 매출에 직결될수록, 이 장의 파이프라인은 단순한 자동화가 아니라 경쟁력이 된다.