Nanobanana 이미지 생성, 그 안의 기술을 들여다보다

Gemini 2.5 Flash를 기반으로 작동하는 Nanobanana는 AI 이미지 생성의 큰 진전을 보여줍니다. 최근 Logan Kilpatrick이 이끈 심층 기술 대담에서 핵심 개발진은 차세대 시스템을 뒷받침하는 정교한 설계 과정을 풀어냈습니다.

프로덕트 책임자 Nicole Brichtova와 연구 책임자 Kaushik Shivakumar, Mostafa Dehghani, 그리고 Robert Riachi가 AI 창작을 바꾸는 기술의 핵심을 소개했습니다. 이들이 설명한 변화는 일반적인 버전 개선을 넘어 멀티모달 AI 아키텍처를 근본부터 다시 설계하는 작업에 가깝습니다.

네이티브 이미지 생성

Nanobanana를 움직이는 중심 기술은 네이티브 이미지 생성입니다. 이미지를 각각 별개의 작업으로 만들던 방식에서 벗어나, 앞서 생성한 결과를 풍부한 맥락으로 삼아 다음 이미지를 순서대로 만들어 갑니다.

Kaushik Shivakumar는 이 방식이 가져온 혁신을 이렇게 설명했습니다. "이미지를 순차적으로 생성하고 이전 출력을 문맥으로 활용함으로써, 모델은 여러 번의 생성 과정에서도 전례 없는 일관성과 문맥 인지 능력을 발휘합니다."

이처럼 설계를 바꾸면서 다음과 같은 획기적인 기능이 가능해졌습니다.

강력한 캐릭터 일관성

다양한 시점으로 캐릭터를 그리면서도 정체성을 완전히 지킨다는 점이 특히 돋보입니다. 버전 2.5는 특징을 보존하는 데서 나아가 본격적인 다각도 렌더링을 지원하며, 어느 프레임에서든 동일한 브랜드 이미지를 유지합니다.

팀은 1980년대 분위기로 스타일을 바꾸는 시연을 통해 이를 보여주었습니다. Nicole Brichtova는 얼굴의 특징뿐 아니라 장면의 분위기와 세밀한 스타일 요소까지 전체 시퀀스에서 이어진다는 점을 짚었습니다.

복잡한 편집을 위한 인터리브드 생성

Mostafa Dehghani가 소개한 인터리브드 생성은 자연어 프롬프트 하나로 복잡한 편집 여러 가지를 동시에 적용하는 방식입니다. 한 번에 하나씩 수정하던 작업 흐름에서 여러 측면을 함께 다루는 입체적인 제작 과정으로 확장됩니다.

"복잡한 프롬프트를 효과적으로 해석하는 능력 덕분에 사용자는 단 한 번의 매끄러운 과정으로 수많은 편집을 요청할 수 있습니다."라는 Dehghani의 설명처럼, 세부 조정부터 장면 전체를 바꾸는 작업까지 수월하게 진행할 수 있습니다.

고급 멀티모달 역량

크로스모달 러닝

개발팀은 이미지 이해와 생성 사이를 연결하는 크로스모달 러닝의 가능성도 강조했습니다. 같은 아키텍처 안에서 능력이 양방향으로 전이된다는 것은 AI 시스템 설계에서 의미 있는 성과입니다.

Robert Riachi는 멀티모달 학습에 얽힌 어려움을 설명하며, 궁극적으로 하나의 모델에서 네이티브 이해와 생성을 모두 구현하려 한다고 밝혔습니다. 이를 통해 여러 창작 작업의 성능을 최대한 끌어올리는 것이 목표입니다.

인간 중심의 평가 체계

팀은 시각적 품질을 꾸준히 높이기 위해 학습에 자동 지표와 사람의 평가를 함께 반영합니다. 사람이 직접 평가하려면 많은 자원이 들지만, 사용자의 기대를 읽고 그 이상을 제공하는 시스템을 만드는 데 꼭 필요하다고 보고 있습니다.

사람의 선호를 가장 정확하게 측정하려면 어떻게 해야 할까요? Logan Kilpatrick의 이 질문은 프롬프트를 깊이 이해하고, 문자 그대로의 지시를 넘어서는 결과를 만들도록 모델을 훈련하는 방법에 대한 논의로 이어졌습니다.

기술적 진화: 2.0에서 2.5로

‘합성’ 느낌 문제 해결

이전 모델에서는 새로 더한 요소가 장면에 어울리지 않고 ‘붙여넣은’ 듯 보이기도 했습니다. 버전 2.5는 원래 형태를 보존하면서 주변과 자연스럽게 어우러지는 매끄러운 변환으로 이 문제를 해결했습니다.

편집 과정에서 캐릭터의 정체성을 지키던 버전 2.0의 능력은 버전 2.5에서 다각도 렌더링으로 넓어졌습니다. 시점이 달라져도 정체성이 흔들리지 않게 만드는 어려운 과제를 아키텍처의 근본적인 개선으로 풀어낸 것입니다.

지능적인 창의적 해석

현재 모델은 사용자가 처음 제시한 지시를 직관적으로 보완해 결과를 개선할 수 있습니다. 이런 ‘창의적 직관’은 별도로 코딩한 동작이 아니라 시각적 맥락을 깊이 이해하면서 자연스럽게 나타나는 특성입니다.

Nicole Brichtova는 창작의 결정권이 언제나 사용자에게 있다고 설명했습니다. 프롬프트를 거듭 다듬으면 모델의 계산 능력을 충분히 활용하면서도 원하는 예술적 방향으로 작업을 이끌 수 있습니다.

산업 영향과 앞으로의 전망

전문적인 크리에이티브 워크플로

팀은 대형 광고판과 눈길을 끄는 소셜 미디어 소재를 예로 들며, 복잡한 텍스트를 렌더링하면서 최상의 시각적 품질을 유지하는 모습을 선보였습니다. 이 사례들은 Nanobanana가 전문가 수준의 제작을 수행할 준비가 되어 있음을 보여줍니다.

텍스트 렌더링은 앞으로도 중점적으로 발전시킬 영역입니다. 상업 프로젝트와 전문 작업에서 요구하는 엄격한 기준에 맞추기 위해 개선을 이어가고 있습니다.

Gemini vs. Imagen: 전략적 역할

Google의 AI 시스템이 맡은 역할과 서로를 보완하는 방식도 설명했습니다.

• Imagen: 특정 용도에 맞춘 전문 모델을 찾는 개발자를 위해 최적화되었습니다.
• Gemini: 여러 지시를 유연하게 처리하는 다목적 멀티모달 창작 파트너로 설계되었습니다.

역할이 이렇게 구분되어 있어 사용자는 기술적 조건과 창작 목표에 맞는 도구를 선택할 수 있습니다.

협업의 미래

진행 중인 연구를 향한 팀의 열정은 앞으로도 빠른 발전이 이어질 것임을 보여줍니다. 시각적 재현성과 자연스러운 상호작용에 집중하는 방향은 AI가 유능한 창작 동료로 자리 잡을 미래를 가리킵니다.

Nanobanana는 중요한 기술적 성과이자 인간과 AI가 함께 작업할 미래를 보여주는 사례입니다. 깊이 있는 이해와 네이티브 생성을 결합해, 이전에는 실현할 수 없었던 창작의 가능성을 열고 있습니다.

팀이 기술의 가능성을 넓혀 갈수록 이미지를 만들고 편집하며 시각적으로 이야기를 전하는 방식 자체도 근본적으로 달라지고 있습니다.