매거진 목록으로
테크2026.03.19

AI 피부 분석의 원리, 카메라가 피부톤을 읽는 방법

MIT Media Lab·Stanford 연구를 기반으로 한 AI 피부 분석 기술의 과학적 배경. 컬러 스페이스, 광원 보정, 마이크로바이옴 분석까지 차세대 뷰티 테크를 해설합니다.

AI 피부 분석의 원리, 카메라가 피부톤을 읽는 방법

CIE Lab 색 공간과 피부톤 측정의 과학

AI 피부 분석의 핵심 기술은 국제조명위원회(CIE)가 개발한 CIE Lab 색 공간입니다. 이 장치 독립적 3차원 색 모델은 L*(명도), a*(적록 축), b*(황청 축) 세 값으로 인간이 인지할 수 있는 모든 색을 측정합니다(HunterLab, Konica Minolta).

CIE Lab이 피부과학에서 중요한 이유는 인간의 시각 인지와 밀접하게 맞아있어 색 차이를 정밀하게 정량화할 수 있기 때문입니다. 피부톤 측정에 널리 사용되는 ITA(Individual Typology Angle) 방법은 CIE Lab에서 직접 계산됩니다. ITA는 L*와 b* 값 사이의 각도를 계산하여 매우 밝은 톤부터 어두운 톤까지 피부색을 객관적으로 분류합니다(NIH/PubMed, 상파울루대학교 연구).

ITA의 중요한 의의는 기존의 피츠패트릭 척도(Fitzpatrick Scale)가 주관적 자가 보고에 의존하는 한계를 극복하고, 하드웨어 기반의 객관적 측정을 가능하게 한다는 점입니다. RGB 색 공간은 디스플레이 장치에 따라 다르게 표시되지만, CIE Lab은 장치 독립적이므로 일관된 분석이 가능합니다.

브라우저 기반 AI 분석과 프라이버시

최근 뷰티 테크 분야에서 주목받는 접근법은 사용자의 브라우저 내에서 모든 분석을 완결하는 '클라이언트 사이드 AI'입니다. 이 방식에서는 사용자가 업로드한 사진이 외부 서버로 전송되지 않습니다.

기술적으로는 WebAssembly(Wasm) 기반의 경량 머신러닝 추론 엔진이 활용됩니다. Google의 오픈소스 프레임워크인 MediaPipe는 브라우저 환경에서 실시간 얼굴 메쉬(468개 랜드마크 포인트)를 생성할 수 있으며, TensorFlow.js는 브라우저 내에서 학습된 모델을 실행합니다. 이를 통해 얼굴 영역을 감지하고, 해당 영역의 색 히스토그램을 CIE Lab으로 변환하여 피부톤을 분석합니다.

이러한 '프라이버시 우선 설계'는 생체 데이터를 다루는 뷰티·헬스 서비스에서 특히 중요합니다. GDPR(유럽 일반 데이터 보호 규정)과 같은 개인정보 보호 법규가 강화되면서, 사용자 데이터를 수집하지 않는 로컬 연산 방식이 소비자 신뢰를 높이는 핵심 요소가 되고 있습니다. 실제로 haut.ai, L'Oréal Paris 등의 AI 피부 분석 서비스도 이 방향으로 진화하고 있습니다.