blob-portrait: 그래디언트 디센트 사진 재현

블롭 포트레이트: 사진을 위한 그래디언트 디센트

2D 가우시안 블롭으로 사진을 그립니다. 1,500개의 무작위 블롭에서 시작하여, 각 단계에서 블롭을 렌더링하고 사진과의 오차(L1 + SSIM)를 측정한 뒤, 각 블롭을 조금씩 이동시켜 오차를 줄입니다(Adam). 오차가 가장 큰 영역에는 새로운 작은 블롭이 생성됩니다. 이미지 생성기는 사용되지 않습니다: 사진은 학습됩니다.

단계

1. 사진을 준비합니다. 첨부된 파일을 사용합니다. 피사체의 위치를 확인하여 --focus를 설정할 수 있도록 합니다(가장 집중적으로 학습할 영역, 일반적으로 얼굴).

2. 설치합니다. Python 3.10+.

   pip install -r requirements.txt   # torch, numpy, pillow
   

   PyTorch 인덱스가 차단된 경우, PyPI에서 pip install torch로 간단히 설치할 수 있습니다.

3. 사용 가능한 하드웨어와 시간에 맞춰 프리셋을 선택합니다.

   프리셋	단계	최대 블롭	2코어 CPU	GPU
   quick	300	15,000	~8분	~1분
   default	1,600	45,000	~35분	~5분
   full	6,000	100,000	수시간	~20-40분

   CPU에서 실행할 경우, default 프리셋을 백그라운드에서 실행하고 로그를 확인하며, 실행을 막지 않도록 합니다.

4. 실행합니다.

   python scripts/blobfit.py photo.jpg --out result/ --preset default \
       --aspect 4:5 --focus 0.5,0.4,0.45,0.5
   

   • --aspect는 중심 기준으로 w:h 비율로 자릅니다(none은 원본 비율 유지).
   • --focus cx,cy,w,h는 자른 이미지의 0-1 범위 좌표입니다. 중앙 셀카의 경우 0.5,0.4,0.45,0.5가 얼굴을 덮습니다.
   • --steps / --blobs로 프리셋을 재정의할 수 있습니다.
   • 장치는 자동 선택됩니다: CUDA, Apple MPS, CPU 순서로 시도합니다.

5. 결과를 전달하기 전에 확인합니다. compare.jpg와 zoom.jpg를 열어 확인합니다. stats.json에 PSNR이 기록됩니다: 약 28-30 dB는 부드러운 유사도(quick 프리셋), 38 dB 이상은 일반 크기에서 구별하기 어려운 수준입니다. 얼굴이 흐릿하면 더 많은 단계로 다시 실행하거나 --focus를 얼굴에 맞게 조정합니다.

6. 전달합니다. compare.jpg, render.png, training.gif를 보냅니다. 블롭 수, 단계 수, PSNR, 그리고 생성된 것이 아니라 학습된 것임을 설명합니다.

출력물

파일	설명
render.png	전체 크기로 맞춰진 블롭 그림
compare.jpg	실제 사진과 코드 버전 나란히 비교
zoom.jpg	눈 주변 클로즈업 증명
training.gif	노이즈에서 그림으로 변하는 과정, 중요 단계마다 프레임
blobs.npz	모든 블롭 정보: 위치, 크기, 각도, 색상, 강도 (재렌더링 또는 애니메이션용)
stats.json	단계 수, 블롭 수, PSNR, 소요 시간, 사용 장치

정직한 한계점

• 하나의 사진을 복사합니다. 새로운 시각이나 얼굴을 창조할 수 없습니다.
• 품질은 단계 수에 의존합니다: 짧은 CPU 실행은 부드럽게 나오고, 미세한 피부 질감은 full 프리셋이 필요합니다.
• 배경색은 사진 가장자리에서 추출되므로, 블롭은 배경색과 다른 부분만 칠하면 됩니다.