Color Rendering화이트밸런스 다음, 센서 RGB를 보기 좋은 표준 색으로 빚는 일 — 과학과 취향이 만나는 마지막 색 단계

화이트밸런스가 광원을 지운 뒤에도 센서 RGB는 아직 그 센서의 색일 뿐, 표준 색이 아니다. 색 렌더링은 센서 RGB를 표준 색공간으로 보내고(CCM), 거기에 보기 좋은 톤·색을 입히는(3D LUT) 마지막 색 단계다. 여기서 과학(측색적 정확도)과 취향(memory color·룩)이 만난다 — 그래서 절대 정답이 없다.

센서 색에서 표준 색으로

센서마다 분광감도가 달라 같은 장면도 다른 RGB를 낸다. 이를 표준 색공간으로 보내는 1차 근사가 컬러 보정 행렬(CCM) — 보통 3×3 선형 변환이다.

$\boldsymbol{\mathbf{M}}$은 컬러체커의 패치 측정값 $\boldsymbol{\mathbf{c}_i}$를 목표값 $\boldsymbol{\mathbf{t}_i}$에 맞추는 최소제곱으로 구한다. 하지만 3×3은 선형이라 한계가 있다 — 채널 간 비선형 상호작용, 채도별 색 변화(memory color), 룩(look)은 못 담는다. 그래서 그 뒤에 3D LUT(RGB→RGB 비선형 매핑)로 색을 자유롭게 빚는다.

또 하나의 축은 **색공간(gamut)**이다. sRGB는 좁고, Display-P3·AdobeRGB는 넓고, Rec.2020은 더 넓다. 넓은 색역에서 좁은 디스플레이로 보낼 땐 gamut mapping으로 색을 접어 넣어야 한다(클리핑하면 색이 뭉친다).

행렬·LUT·색역의 도구상자

색을 데이터로 빚다

딥러닝은 손튜닝하던 CCM·LUT·룩을 (입력, 전문가 보정) 쌍으로 학습한다. 핵심은 효율 — 색 렌더링은 고해상·실시간이어야 하므로, 저해상에서 변환을 예측해 고해상에 적용하는 구조가 많다.

트랜스포머·확산·개인화 룩

최근은 ① 트랜스포머/신경 LUT로 더 정교한 색, ② 확산 기반 색·톤 스타일라이즈, ③ 개인화·텍스트 조건 룩이다. 색 렌더링은 미적 선호가 개입해, “정확도”보다 “선호 일치”가 점점 목표가 된다.

색이 곧 브랜드

색 렌더링은 카메라 제조사의 정체성이다 — 같은 센서라도 색 룩이 브랜드를 가른다.

정확도와 선호, 둘 다

이 다음은

색 렌더링은 색 사슬의 끝이자, 색채과학으로 돌아가는 고리다 — 색순응(CAT16)은 §1, 그 앞 단계인 화이트밸런스는 §5, 톤은 §10, 전체 지도는 §4 ISP다.

개인 학습 자료 · ISP & Computational Photography · §11 Color Rendering