색조 편향(color cast)은 사진에서 가장 흔한 문제 중 하나이지만, 가장 오해받는 문제이기도 합니다. 모든 광원은 특정 스펙트럼 분포를 가진 광자를 방출하며, 여러분의 뇌는 이를 자동으로 보정합니다. 색채 적응(chromatic adaptation)이라는 현상이지만, 카메라는 이를 그대로 기록합니다. 텅스텐 전구는 주황색-빨간색 스펙트럼에서 강하게 복사되어 흰색이 크림색으로 보이고 그림자가 호박색으로 보이는 따뜻한 색조를 만듭니다. 형광등은 특정 파장에서 좁은 스파이크를 방출하며, 종종 피부에 매우 불리한 창백한 녹색 또는 청록색 색조를 만듭니다. LED 패널은 인광체 코팅에 따라 크게 다릅니다. 저가형 LED는 표준 화이트 밸런스 프리셋으로 깔끔하게 교정할 수 없는 자홍색 또는 황록색 색조를 생성할 수 있습니다. 두 가지 이상의 광원 유형이 장면의 다른 부분을 비추는 혼합 조명 환경은 단일 글로벌 슬라이더 조정으로는 고정할 수 없는 공간적으로 다양한 색조를 만듭니다.

Photoshop 또는 Lightroom에서의 전통적인 색조 보정은 화이트 밸런스 온도와 틴트 슬라이더를 수동으로 조정한 다음, 커브 또는 선택 색상 도구를 통해 개별 색상 채널을 미세 조정하는 과정을 포함합니다. 이 과정은 훈련된 안목, 보정된 모니터, 그리고 많은 인내심을 필요로 합니다. 텅스텐과 DJ 조명이 혼합된 조건에서 촬영된 웨딩 리셉션 사진을 보정하는 데 이미지당 15~20분이 소요될 수 있습니다. 일관되지 않은 조명 아래에서 촬영된 수백 장의 이벤트 사진이나 제품 사진을 처리하는 전문가에게 수동 보정은 주요 시간 병목 현상입니다. 색조가 단일 프레임 내에서도 다를 때 어려움은 더 커집니다. 창가 근처의 피사체는 청량하게 차가워 보이는 반면, 테이블 램프 근처의 동일한 피사체는 주황색으로 따뜻해 보입니다. 단일 화이트 밸런스 설정으로는 두 가지를 동시에 고정할 수 없습니다.

AI-powered 색조 보정은 이 방정식을 근본적으로 변화시킵니다. 수백만 장의 올바르게 화이트 밸런스가 맞춰진 이미지로 훈련된 최신 신경망은 사진 속 표면이 무엇을 중립적으로 보여야 하는지, 피부 톤이 무엇을 건강하게 보여야 하는지, 장면 속 각 광원이 어떤 스펙트럼 시그니처를 기여하고 있는지를 식별할 수 있습니다. 그런 다음 각 조명 영역을 자체적으로 처리하는 공간 인식 보정을 적용합니다. 이 가이드는 Magic Eraser의 AI 도구를 사용하여 색조를 진단하고 교정하는 완전한 워크플로우를 안내합니다. 몇 초면 끝나는 단일 광원 수정부터 수동으로 교정하기 비현실적인 복잡한 혼합 조명 시나리오까지 다룹니다. 텅스텐 색조의 부동산 인테리어, 형광등 녹색의 오피스 인물 사진, 또는 네 가지 다른 색상의 업라이트 아래에서 촬영된 웨딩 사진을 수정하든, 여기서 소개하는 기술은 자연스러운 피부 톤과 함께 깔끔하고 중립적인 결과를 제공합니다.

AI 색조 보정은 중립 표면과 광원 스펙트럼을 자동으로 식별하여, 단일 프레임 내에서 각 조명 영역을 자체적으로 처리하는 공간 인식 화이트 밸런스 조정을 적용합니다.
혼합 조명 환경 — 텅스텐과 일광, 형광등과 LED — 은 단일 화이트 밸런스 슬라이더로 고정할 수 없는 공간적으로 다양한 색조를 생성합니다. AI는 광원 경계를 감지하여 각 영역을 개별적으로 교정할 수 있습니다.
피부 톤은 분리된 처리가 필요합니다. 인간의 인지가 부자연스러운 피부색에 독특하게 민감하기 때문에, 전역 색조 보정 후 별도의 중간톤 색조와 채도 조정이 필요합니다.
보정 워크플로우는 전역 자동 화이트 밸런스에서 지역 선택적 조정, 피부 특화 미세 조정으로 이동하며, 각 단계마다 남아 있는 색상 오류를 점진적으로 줄여나갑니다.
중립 기준점(흰색, 회색, 피부 톤 팔레트)에 대한 검증은 단순히 한 색조를 다른 색조로 바꾸는 것이 아닌 정확한 보정이 되도록 보장합니다.

색온도, 화이트 밸런스 이해하기 그리고 색조가 발생하는 이유

켈빈(Kelvin)으로 측정되는 색온도는 이상적인 흑체가 해당 온도로 가열되었을 때 방출하는 복사량과 비교하여 광원의 스펙트럼 분포를 나타냅니다. 백열전구와 촛불에서 일반적인 2700K 정도의 낮은 색온도는 적색과 주황색 스펙트럼 쪽에 크게 치우친 빛을 방출합니다. 5500K에 가까운 중간 온도는 상당히 균일한 스펙트럼 분포로 정오의 일광에 근접합니다. 열린 그늘과 흐린 하늘에서 발견되는 7000K 이상의 높은 온도는 스펙트럼 피크를 파란색 쪽으로 이동시킵니다. 카메라 센서는 이러한 스펙트럼 차이를 충실히 포착하여, 빛이 실제로 비추는 대로 장면을 기록합니다. 화이트 밸런스 설정은 카메라에 어떤 색온도를 중립으로 처리할지 알려줍니다. 이 설정이 실제 조명과 일치하지 않으면 이미지 전체에 색조가 나타납니다.

문제는 사진가가 생각하는 것보다 훨씬 더 흔한 혼합 조명 환경에서 훨씬 더 복잡해집니다. 부동산 인테리어 사진은 5600K의 창문을 통해 들어오는 일광, 3200K의 매입형 할로겐 스포트라이트, 녹색 스파이크가 있는 유효 온도 약 4100K의 언더캐비닛 형광등 스트립을 결합할 수 있습니다. 레스토랑 장면은 텅스텐 에디슨 전구, 색상 강조 LED, 입구의 일광이 모두 같은 피사체를 다른 각도에서 비출 수 있습니다. 이러한 상황에서는 단일 화이트 밸런스 값으로 프레임 전체에서 올바른 결과를 얻을 수 없습니다. 창문 빛에 맞춰 화이트 밸런스를 설정하면 인테리어가 진한 주황색으로 변합니다. 인테리어에 맞추면 창문 뷰가 강하게 파란색으로 변합니다. 사진가는 촬영 중에 차선책을 선택하고 후처리에서 남은 색조를 고정해야 합니다. AI 보정이 핵심이 되는 지점입니다.

카메라 자동 화이트 밸런스 알고리즘은 크게 개선되었지만, 진정한 장면 이해가 아닌 통계적 휴리스틱에 의존하기 때문에 여전히 한계가 있습니다. 대부분의 자동 화이트 밸런스 시스템은 프레임 전체의 평균 색상이 중립 회색이어야 한다고 가정합니다(회색 세계 가정). 또는 장면에서 가장 밝은 패치가 흰색이라고 가정합니다. 이러한 가정은 많은 실제 상황에서 크게 실패합니다. 푸른 잔디밭은 회색 세계 가정을 위반하여 카메라가 이를 보정하기 위해 자홍색을 추가하게 만듭니다. 일몰 하늘은 진정한 흰색이 없으며 카메라는 부정확한 중립에 고정될 수 있습니다. 자동 화이트 밸런스는 공간적 변화도 전혀 처리할 수 없습니다. 하나의 보정을 전역에 적용하는데, 이는 여러 광원이 같은 프레임의 다른 영역에 다른 색조를 기여할 때 본질적으로 잘못된 것입니다.

켈빈 단위의 색온도는 광원의 스펙트럼 분포를 나타냅니다: 따뜻한 텅스텐의 경우 2700K, 중립 일광의 경우 5500K, 차가운 그늘의 경우 7000K+, 화이트 밸런스가 실제 조명과 일치하지 않을 때 색조가 발생합니다.
혼합 조명 환경 — 서로 다른 색온도의 여러 광원이 같은 장면을 비추는 경우 — 단일 화이트 밸런스 슬라이더로 전역적으로 해결할 수 없는 공간적으로 다양한 색조를 생성합니다.
카메라 자동 화이트 밸런스는 회색 세계 가정과 같은 통계적 휴리스틱에 의존합니다. 단일 색상이 지배적인 장면, 진정한 흰색이 없거나 여러 광원 유형이 포함된 장면에서는 실패합니다.
AI 색조 보정은 장면 콘텐츠를 이해하고, 중립 표면을 상황에 맞게 식별하며, 단일 전역 변화 대신 지역별 보정을 적용하여 자동 화이트 밸런스를 능가합니다.

보정하기 전에 색조의 정확한 유형 진단하기

정확한 진단은 색조 보정에서 가장 중요한 단계입니다. 잘못된 진단은 잘못된 보정으로 이어지고, 잘못된 방향으로 과도하게 보정하면 원래 색조보다 더 나빠 보이는 결과를 초래하기 때문입니다. 첫 번째 진단 기술은 중립 기준점 확인입니다. 장면에서 무채색이어야 하는 물체를 찾아보세요. 흰 셔츠, 회색 콘크리트 벽, 스테인리스 스틸 가전제품, 프린터 용지 등이 있습니다. 스포이드 도구로 이 영역을 샘플링하고 RGB 값을 확인합니다. 올바르게 밸런스가 맞춰진 이미지에서 중립 물체는 빨간색, 녹색, 파란색 값이 서로 몇 포인트 이내입니다. 흰 벽이 R:210 G:178 B:145로 샘플링되면 강한 따뜻한 색조(빨간색과 녹색이 지배적, 파란색 부족)가 있는 것입니다. R:165 G:185 B:200으로 읽히면 차가운 파란색 색조가 있는 것입니다.

두 번째 진단 기술은 그림자를 구체적으로 살펴보는 것입니다. 그림자 영역은 직접 조명을 받는 영역보다 주변광 색상을 더 명확하게 드러냅니다. 하이라이트는 종종 날아가거나 클리핑되어 색상 편향이 숨겨집니다. 중간톤은 여러 광원의 혼합 기여를 포함합니다. 그러나 그림자는 주로 주변 필라이트(ambient fill light)에 의해 조명됩니다. 벽, 천장 및 기타 표면에서 반사되어 환경 색조가 집중됩니다. 형광등 천장 조명이 있는 방에서는 테이블 아래 그림자가 직접 조명된 표면이 중립에 가깝게 보여도 뚜렷한 녹색 색조를 보입니다. AI 진단 도구는 그림자 영역을 자동으로 샘플링하고 지배적인 색조 색상을 시각적 표시기로 제시하여, 훈련되지 않은 눈이 놓칠 수 있는 미묘한 색조도 쉽게 식별할 수 있게 해줍니다.

세 번째 진단 기술은 이미지를 영역별로 분석하여 혼합 색조 장면을 다룹니다. 프레임을 정신적으로 또는 크롭 가이드로 다른 광원 영향에 해당하는 영역으로 나눕니다. 창문 근처 영역은 하나의 분석을 받고, 천장 조명기구 아래 영역은 다른 분석을 받습니다. 색상 강조 벽 근처 영역은 세 번째 분석을 받습니다. 각 영역은 다른 색조 색상과 강도를 보여줍니다. 보정을 시작하기 전에 이러한 영역별 차이를 기록하면, 한 영역을 돕지만 다른 영역을 악화시키는 하나의 보정을 적용하는 대신 각 영역을 적절하게 처리하는 접근 방식이 보장됩니다. AI 도구는 장면 지오메트리에서 광원 경계를 자동으로 감지하고 각 영역의 색조 특성을 개별적으로 보고하여 이 영역별 분석을 자동으로 수행할 수 있습니다.

알려진 중립 물체(흰 종이, 회색 벽, 스테인리스 스틸)를 스포이드로 샘플링하세요 — RGB 값이 10포인트 이상 차이나면 지배적인 채널 방향으로 색조가 있음을 나타냅니다.
그림자 영역은 하이라이트나 중간톤보다 주변광 색상을 더 명확하게 드러냅니다. 주 광원의 직접 조명보다는 주로 환경 필라이트를 받기 때문입니다.
혼합 색조 장면은 영역별 분석이 필요합니다 — 다른 광원의 영향을 받는 각 영역은 별도의 보정이 필요한 고유한 색조 색상과 강도를 보여줍니다.
AI 진단 도구는 장면 지오메트리에서 광원 경계를 식별하고 보정이 적용되기 전에 영역별 색조 특성을 보고하여 영역별 색조 감지를 자동화합니다.

AI 자동 화이트 밸런스로 단일 광원 색조 보정하기

사진이 완전히 하나의 광원 유형 아래에서 촬영된 경우(텅스텐 모델링 조명만 있는 인물 스튜디오, 일광 밸런스 LED 패널 아래의 제품 플랫레이, 또는 열린 그늘에서의 야외 촬영) 결과 색조는 프레임 전체에 균일하며 자동 AI 보정에 잘 반응합니다. 이미지를 Magic Eraser에 업로드하고 AI Enhance를 선택한 후 자동 화이트 밸런스 기능을 활성화하세요. AI 모델이 전체 이미지를 분석하고, 중립일 확률이 높은 표면(채도가 낮고 휘도가 중간 정도여서 통계적으로 회색 또는 흰색일 가능성이 높은 영역)을 식별하며, 해당 표면을 진정으로 무채색으로 만들기 위해 필요한 색상 변화를 계산한 후 해당 변화를 전체 이미지에 적용합니다. 단일 광원 색조의 경우 이 원클릭 보정은 놀랍도록 정확하며, 종종 중립 표면을 진정한 중립의 3~5 RGB 포인트 이내로 만듭니다.

자동 보정은 온도(파란색에서 호박색 축)와 틴트(녹색에서 자홍색 축)의 두 가지 방정식을 동시에 해결하는 방식으로 작동합니다. 표준 텅스텐 색조는 더 차가운 온도로의 강한 이동과 최소한의 틴트 조정이 필요합니다. 형광등 색조는 종종 적당한 온도 보정과 함께 형광등 방출 스펙트럼의 녹색 스파이크를 상쇄하기 위한 주요 자홍색 틴트 이동이 필요합니다. LED 색조는 패널 품질에 따라 두 축 모두에서 보정이 필요할 수 있습니다. AI 모델은 훈련 데이터에서 이러한 일반적인 보정 프로필을 학습했으며, 프레임 전체에서 일관된 색조를 감지하면 높은 신뢰도로 이를 적용합니다. 결과는 일반적으로 단일 광원 장면에서 추가 수동 조정이 필요하지 않으며, 수동 보정에 필요한 슬라이더 조정 시간을 절약해줍니다.

자동 보정이 단일 광원 장면에서 어려움을 겪는 가장자리 사례에는 의도적으로 따뜻한 장면(일몰, 촛불 저녁 식사)이 포함됩니다. 여기서 따뜻한 빛은 오류가 아닌 창의적 의도의 일부입니다. 지배적인 피사체 색상이 중립 감지를 편향시키는 장면(프레임 대부분을 채우는 빨간색 스포츠카는 알고리즘이 실제로는 없는데 따뜻한 색조가 있다고 생각하게 만듭니다). 의도적인 따뜻함을 위해서는 보정을 축소된 강도로 사용하세요. 자동 화이트 밸런스를 적용한 다음 50~70%로 원본과 블렌딩하여 따뜻함은 유지하면서 장면이 화이트 밸런스 오류처럼 보이게 만드는 과도한 주황색-호박색을 제거합니다. 지배적인 색상 피사체의 경우, 분석 영역에서 피사체를 수동으로 제외하여 알고리즘이 배경과 보조 요소를 기반으로 중립 감지를 수행하도록 하세요.

단일 광원 색조는 원클릭 자동 AI 화이트 밸런스로 반응합니다. 중립 표면을 식별하고 이를 무채색으로 만들기 위한 정확한 온도 및 틴트 변화를 계산합니다.
AI는 두 축을 동시에 보정합니다 — 청색-호박색 스펙트럼의 온도와 녹색-자홍색 스펙트럼의 틴트 — 각 광원 유형의 일반적인 보정 프로필에 맞춥니다.
의도적으로 따뜻한 장면은 축소된 강도(50~70% 블렌드)로 보정하여 창의적인 따뜻함은 유지하면서 기술적 오류로 읽히는 과도한 색조를 제거해야 합니다.
지배적인 색상의 피사체는 중립 감지를 편향시킬 수 있습니다 — 분석 영역에서 피사체를 제외하여 알고리즘이 대신 배경 중립을 기반으로 보정하도록 하세요.

지역 AI 조정을 통한 고급 혼합 조명 보정

혼합 조명은 AI 색조 보정이 수동 도구로는 실질적으로 따라잡을 수 없는 가치를 제공하는 주요 시나리오입니다. 일반적인 부동산 사진 상황을 생각해보세요: 주방은 왼쪽 창문의 일광, 천장의 매입형 할로겐 다운라이트, 언더캐비닛 형광등 작업 조명이 있습니다. 카운터의 일광 쪽은 중립으로 보입니다. 할로겐이 비추는 중앙은 따뜻한 호박색으로 보입니다. 형광등이 비추는 뒷벽은 녹색-노란색으로 보입니다. 중앙을 고정하는 전역 화이트 밸런스 보정은 창문 쪽을 파란색으로 만들고 뒷벽을 더욱 녹색으로 만듭니다. 필요한 것은 세 가지 별도 보정을 세 개의 별도 영역에 적용하고 그 사이에 부드러운 전환을 두는 것입니다. AI는 장면 지오메트리와 광 분포에서 이러한 영역을 자동으로 식별할 수 있습니다.

Magic Eraser의 지역 보정 워크플로우는 영역 감지 기능이 있는 AI Enhance를 사용합니다. 이 도구는 이미지를 일관된 색조의 영역으로 자동 분할하고, 자연 경계(벽과 천장이 만나는 곳, 그림자 전환이 다른 광원을 나타내는 곳, 표면 재질 변화가 다른 반사 특성을 암시하는 곳)를 따라 경계를 그린 다음 각 영역에 독립적인 화이트 밸런스 보정을 적용합니다. 보정은 자연 광 감쇠를 따르는 그라데이션 마스크를 사용하여 경계 전체에 걸쳐 페더링되어, 딱딱한 보정 가장자리 대신 물리적으로 그럴듯해 보이는 전환을 생성합니다. 세 개의 광원이 있는 일반적인 부동산 인테리어의 경우 이 영역 보정 프로세스는 약 10초가 소요되는 반면, 전통적인 편집 소프트웨어에서 수동으로 마스크를 만들고 가장자리를 페더링하고 각 영역을 개별적으로 조정하는 데는 5~10분이 필요합니다.

웨딩 및 이벤트 사진은 조명 조건이 프레임마다, 심지어 단일 프레임 내에서도 변하기 때문에 가장 극단적인 혼합 조명 문제를 제시합니다. 예식은 스테인드글라스 창문 빛, 천장 샹들리에, 사진가 플래시를 결합할 수 있습니다. 리셉션은 DJ 색상 업라이트, 테이블 촛불, 천장 형광등, 간헐적 플래시를 결합합니다. AI 보정은 각 이미지를 개별적으로 처리하고 각 프레임의 고유한 조명 혼합을 감지하며 올바른 영역별 보정을 적용하여 사진가가 각 이미지를 수동으로 진단하고 처리할 필요가 없도록 합니다. 지속적으로 변화하는 색상 업라이트 아래에서 4시간 동안 촬영된 500장의 리셉션 사진 배치의 경우, 영역별 보정을 통한 AI batch processing은 며칠이 소요되는 수동 보정 작업과 비교하여 몇 분 만에 깔끔하고 중립적인 결과를 생성할 수 있습니다.

혼합 조명은 지역별 보정이 필요합니다 — AI 영역 감지는 일관된 색조 영역을 식별하고 자연 경계를 따라 페더링된 전환으로 독립적인 화이트 밸런스 변화를 적용합니다.
일광, 할로겐, 형광등 광원이 있는 부동산 인테리어는 수동 마스킹 및 영역별 슬라이더 조정에 5~10분 대비 10초 만에 3영역 보정을 받습니다.
지속적으로 변화하는 색상 업라이트, 촛불, 플래시가 있는 웨딩 및 이벤트 사진은 각 프레임의 고유한 조명 혼합을 독립적으로 진단하고 보정하는 AI batch processing의 이점을 얻습니다.
보정 경계는 자연 장면 가장자리(벽-천장 접합부, 그림자 전환, 재질 변화)를 따르므로 보정 이음새 없이 물리적으로 그럴듯한 결과가 나타납니다.

기술적 색상 오류를 제거하면서 창의적 의도 보존하기

사진의 모든 색상 변화가 오류는 아닙니다. 골든 아워 빛은 사진가들이 그 시간에 촬영하는 바로 그 이유인 따뜻한 색조를 만듭니다. 네온 사인은 거리 사진에 분위기를 더하는 색상 반사를 만듭니다. 스테인드글라스는 교회 인테리어에 이야기를 전하는 패턴의 색상 빛을 비춥니다. 블루 아워 황혼은 특정 분위기를 전달하는 차가운 팔레트를 만듭니다. 색조 보정의 과제는 원치 않는 기술적 오류(기업 헤드샷의 형광등 녹색 색조)와 원하는 창의적 색상(레스토랑의 에디슨 전구 분위기의 따뜻한 호박색 광채)을 구별하는 것입니다. 모든 것을 공격적으로 중립화하는 AI 보정 도구는 오류와 함께 창의적 색상을 제거하여 기술적으로는 정확하지만 감정적으로 평평한 결과를 만들 수 있습니다.

해결책은 의도적인 부분 보정입니다. AI의 진단 능력을 사용하여 장면의 모든 색상 변화를 식별하고 정량화한 다음, 어떤 변화가 이미지에 도움이 되고 어떤 것이 도움이 되지 않는지에 따라 보정을 선택적으로 적용합니다. 레스토랑 인테리어 사진의 경우, 에디슨 전구의 따뜻한 주변광은 보존하면서 배경으로 번져 들어오는 주방 형광등 조명의 녹색 색조는 제거하고 싶을 수 있습니다. AI는 이를 영역별로 분리할 수 있습니다: 형광등에 오염된 영역에는 전체 보정을 적용하고 텅스텐 조명 영역은 보정되지 않거나 부분적으로만 보정된 상태로 둡니다. 이 선택적 접근 방식은 레스토랑을 매력적으로 만드는 분위기는 유지하면서 음식을 먹음직스럽지 않게 만드는 불리한 녹색은 제거합니다.

피부 톤 보호는 창의적 의도를 인식하는 보정의 가장 중요한 측면입니다. 환경 색상을 보존하려는 경우에도 마찬가지입니다. 아늑함을 위한 따뜻한 텅스텐, 분위기를 위한 푸른 황혼 — 사람들이 건강해 보이지 않을 정도로 피부 톤을 그 색상이 오염시키는 것은 거의 원하지 않습니다. 권장되는 접근 방식은 환경 보정 전략과 관계없이 피부 톤을 중립-건강 상태로 보정한 다음, 환경 색조는 배경, 표면 및 비피부 요소에 남아 있도록 하는 것입니다. AI subject detection은 피부를 자동으로 분리하고 해당 영역에만 완전한 중립 보정을 적용한 후, 이미지의 나머지 부분은 의도한 창의적 색상 밸런스로 남겨둡니다. 이는 두 가지 장점을 모두 제공합니다: 분위기 있는 설정과 그 안에 자연스럽게 건강해 보이는 사람들입니다.

모든 색상 변화가 오류는 아닙니다 — 골든 아워의 따뜻함, 네온 반사, 블루 아워의 차가운 톤은 공격적인 중립 보정이 파괴하여 이미지를 감정적으로 평평하게 만들 수 있는 창의적 선택입니다.
부분 보정은 AI 진단을 사용하여 모든 색상 변화를 식별한 다음, 원하지 않는 색조에만 보정을 적용하면서 다른 영역의 원하는 분위기 색상은 보존합니다.
피부 톤은 환경적 의도와 관계없이 중립-건강 상태로 보정되어야 합니다. AI subject detection은 전체 보정을 위해 피부를 분리하면서 배경과 표면에는 분위기 색상을 남깁니다.
목표는 기술적 오류와 창의적 의도를 분리하는 것입니다: 음식에서 형광등 녹색은 제거하면서 레스토랑이 매력적으로 느껴지게 하는 따뜻한 에디슨 광채는 보존합니다.

AI로 사진 색조 보정하는 방법 — Magic Eraser

색온도, 화이트 밸런스 이해하기 그리고 색조가 발생하는 이유

보정하기 전에 색조의 정확한 유형 진단하기

AI 자동 화이트 밸런스로 단일 광원 색조 보정하기

지역 AI 조정을 통한 고급 혼합 조명 보정

기술적 색상 오류를 제거하면서 창의적 의도 보존하기

출처

관련 도구 보기

관련 사용 사례 보기

관련 비교

관련 기사