니콘 현미경 영상 우승 취소, AI 후처리와 관찰 데이터의 차이

수상 발표에서 재심과 실격까지

니콘은 현미경 영상 공모전 ‘스몰 월드 인 모션’의 2026년 1위 작품을 재심사한 뒤 실격 처리했다. 출품자 닝 쉬(Ning Xu)는 실제 촬영 영상을 재구성한 다음 AI를 후처리에 썼다고 설명했다. 그러나 니콘은 영상과 추가 자료를 검토한 결과 대회의 생성형 AI 규정을 지키지 않았다고 판단했다.

문제가 된 작품은 어린이 환자에게서 얻은 기도 조직의 섬모 움직임을 담았다고 소개된 영상이다. 섬모는 세포 표면의 가느다란 구조물이다. 완성 영상에서는 그 아래에도 여러 색의 구조가 나타났으며, 연구자들은 일부 구조가 나타났다 사라지거나 알려진 크기와 맞지 않는다고 지적했다.

위 흐름은 CNN의 당시 보도와 PetaPixel의 재심 보도에서 확인된다. 표의 10월 날짜는 각 진행 상황을 전한 보도 날짜다. 의혹 제기와 최종 실격 사이에 자료 재검토가 있었으며, 처음 나온 연구자의 지적이 곧바로 주최 측의 최종 판정이 된 것은 아니다.

후처리라는 설명이 금지 규정의 예외가 되지는 않았다

실격 당시 PetaPixel 보도는 대회의 “AI-generated videos are not permitted.”라는 금지 문구를 전한다. 니콘 대변인은 작품과 지원 자료를 다시 검토하고 심사위원단과 논의한 뒤 생성형 AI 규정 위반으로 판단했다고 밝혔다. ‘후처리’라는 말만으로 그 처리의 내용이 허용된다는 결론이 나오지는 않았던 셈이다.

후처리는 촬영 뒤에 작업했다는 순서를 설명한다. 밝기 값을 바꾸는 일도, 모델이 추정한 형태를 화면에 더하는 일도 촬영 뒤에 할 수 있다. 따라서 ‘실제 현미경으로 찍었다’와 ‘최종 영상의 모든 구조가 촬영 데이터에 그대로 있었다’는 서로 다른 주장이다. 이번 논쟁은 두 번째 주장에 필요한 설명과 비교 자료로 옮겨갔다.

니콘은 이번 판정의 대상을 출품 영상의 규정상 자격으로 한정했다. 출품자의 전문적 평판이나 과학적 기여, 의도를 판단한 것은 아니라고 대변인은 설명했다. 사용한 모델과 단계별 처리 내용은 공개 답변에 제시하지 않았다.

연구자들은 색보다 구조와 움직임을 물었다

PetaPixel의 10월 1일 보도에서 생명공학 연구자 에드워드 펠프스는 보라색 구조가 나타났다 사라지는 모습, 녹색 섬모처럼 보이는 구조의 출현과 크기를 문제 삼았다. 화면이 아름답거나 색이 강하다는 취향의 평가는 아니었다. 현미경 영상으로 제시된 구조가 실제 조직의 크기와 행동에 부합하는지 묻는 지적이었다.

쉬의 설명은 AI가 실험 영상이나 섬모의 움직임을 만들어낸 것은 아니라는 것이었다. CNN에 전해진 입장에 따르면 흑백 데이터를 재구성한 뒤 형태가 비슷한 구조를 구별하고 색을 입히는 데 AI를 적용했다. 그는 영상의 시각적 표현을 위한 처리였다고 설명했다. 이것은 출품자가 밝힌 처리 목적과 순서이며, 원본과 최종 결과의 일치가 외부에서 검증됐다는 뜻은 아니다.

두 주장이 맞물리는 지점은 구조의 구분이다. 일반적으로 같은 밝기의 덩어리를 서로 다른 색으로 표시하려면 무엇을 하나의 구조로 볼지 정해야 한다. 모델이 그 경계나 종류를 잘못 나누면 색칠한 결과도 잘못된 구분을 전달한다. 출품자가 ‘색을 입혔다’고 설명해도 연구자가 그 색 아래의 경계와 형태를 다시 묻는 이유다.

니콘의 재검토 안내에 달린 공개 논의에서도 원본 영상과 처리 이력을 요구하는 의견이 나왔다. 연구자 딜런 버넷은 자신의 영상에 AI 처리를 해 본 사례를 제시하며 결과가 그럴듯해 보일 수 있음을 지적했다. 이는 쉬가 사용한 방식의 재현이나 출품작 분석 결과가 아니다. 다른 자료로 만든 예시는 그럴듯함만으로 오류를 찾기 어렵다는 문제를 보여 준다.

밝기 조정, 필터, 학습 복원이 바꾸는 것

밝기와 대비 조정은 측정한 픽셀 값을 화면에 어떻게 표시할지 바꾼다. 대회 규정과 별개로 과학 영상의 처리 원리를 다루는 미국 연구진실성국(ORI)의 영상 교육 자료는 적당한 범위의 전체 선형 조정과, 정보를 잃는 과도한 조정을 구별한다. 어두운 신호를 보이게 하는 조정도 가장 밝은 부분을 모두 흰색으로 밀어 버리면 그 안의 차이를 없앨 수 있다.

예를 들어 서로 다른 밝기의 두 부분이 화면에서 같은 최대 밝기로 잘리면 원래 어느 쪽이 더 강했는지 최종 화면만으로는 복구할 수 없다. 이는 AI를 쓰지 않아도 생기는 손실이다. 감마처럼 비선형 변환을 적용하면 밝기 사이의 관계도 달라진다. 처리 방식과 적용 범위를 남기는 이유는 ‘보정했다’는 한 단어보다 어떤 값의 관계가 바뀌었는지를 설명하기 위해서다.

노이즈 제거 필터는 주변 픽셀 값을 함께 사용해 작은 변동을 줄인다. 같은 교육 자료의 필터 지침은 이런 처리도 픽셀 값을 바꾸고 인공적인 무늬를 만들 수 있다고 설명한다. 주변과 다른 가느다란 선이 실제 구조인지 잡음인지에 따라, 화면을 매끈하게 만드는 과정이 필요한 정보를 지울 수도 있다.

학습 모델은 더 나아가 학습 데이터에서 얻은 관계로 복원 결과를 예측한다. Janelia의 생물영상 AI 가이드는 잡음이 많은 영상과 깨끗한 참조 영상의 쌍으로 학습하는 복원 방법을 설명한다. 적합한 조건에서는 약한 신호에서 구조를 더 잘 볼 수 있지만, 입력에 없는 정답을 매번 알고 처리하는 것은 아니다. 학습 때 배운 모양과 현재 표본이 맞는지가 결과에 영향을 준다.

밝기를 수치로 비교할 때는 보기 좋게 만든 최종 영상과 측정에 쓸 자료도 달라질 수 있다. ORI의 밝기 측정 지침은 일반적으로 원시 자료에서 측정해 처리 과정의 인공적인 변화를 피하도록 설명한다. 보정이나 정규화가 필요하면 모든 비교 자료에 일관되게 적용하고 기준을 남기도록 한다. 한 표본만 대비를 높여 놓고 다른 표본보다 신호가 강하다고 비교하면, 생물학적 차이와 화면 처리의 차이가 섞이기 때문이다.

다른 데이터로 학습한 모델이 만든 다른 결과

2021년 Nature Methods의 생물영상 딥러닝 재현성 논문은 모델과 자료가 맞지 않을 때의 차이를 실제 영상으로 보여 준다. 이 독립 연구의 그림 2a는 스피닝 디스크 공초점 현미경으로 얻은 세포핵 영상을 복원한 결과를 비교한다. 세포핵 데이터에 맞춰 학습한 CARE 모델은 잡음을 줄였지만, 구조화 조명 현미경(SIM)의 액틴 자료로 학습한 모델은 같은 세포핵 영상을 제대로 복원하지 못했다. 같은 입력이라도 모델이 학습한 구조와 촬영 방식에 따라 결과가 달라진 것이다.

검증에는 비교 대상도 필요하다. 같은 구조를 더 좋은 신호 대 잡음비로 촬영한 참조 영상이나, 목적에 맞게 확인한 정답 자료와 복원 결과를 나란히 놓으면 위치와 형태의 차이를 찾을 수 있다. 영상 전체를 평균한 점수만 보면 좁은 영역의 오류가 작게 반영될 수 있어, 실제 분석에 사용할 구조 주변도 살펴보게 된다. Janelia 가이드가 결과를 원본·참조와 비교하도록 설명하는 이유다.

가령 세포 수를 세는 작업에서 하나의 덩어리가 둘로 나뉘어 보이면 더 선명해졌다는 인상과 달리 개수는 달라진다. 움직임을 분석하는 영상에서 한 구조가 프레임마다 다른 형태로 복원되면, 모델이 만든 변화가 실제 운동처럼 해석될 수 있다. 이처럼 세포 수나 움직임을 측정하는 작업에서는 복원 뒤 더 선명해진 정도와 함께 개수·위치가 보존됐는지가 결과를 좌우한다.

원본 한 장보다 처리 전후의 연결이 필요한 이유

현미경 자료는 촬영 후 재구성, 구조 구분, 채색, 영상 출력처럼 여러 단계를 거칠 수 있다. 처음과 끝만 비교하면 어느 단계에서 경계나 움직임이 바뀌었는지 찾기 어렵다. 이번에 쉬가 설명한 것처럼 흑백 재구성과 AI 채색이 나뉘어 있다면, 그 사이의 결과도 비교 대상이 된다.

촬영 데이터는 무엇을 측정했는지를, 재구성 영상은 측정값에서 어떤 형태를 복원했는지를 보여 준다. 그 뒤 구조별 색을 입힌 결과를 비교하면 원래의 한 구조가 여럿으로 나뉘거나, 서로 다른 구조가 합쳐졌는지 볼 수 있다. 영상에서는 같은 위치를 연속 프레임으로 맞춰야 처리 과정이 움직임의 연속성까지 바꿨는지도 설명할 수 있다.

Nature Methods 논문은 사용한 모델, 데이터와 처리·검증 방법을 재현 가능하게 보고할 것을 제안한다. 모델 이름만 적으면 같은 출력을 얻는 데 필요한 학습 데이터나 설정이 빠진다. 원본과 중간 결과, 사용한 버전과 조건이 연결돼야 다른 사람이 어느 단계에서 차이가 생겼는지 다시 살펴볼 수 있다.

니콘은 새 1위로 선충과 단세포 생물 딜렙투스(Dileptus)를 담은 응우옌 남 녓(Nguyen Nam Nhat)의 영상을 선정했다. 주최 측은 이번 사건을 계기로 향후 출품작에 적용할 규정과 평가 방식도 재검토하겠다고 밝혔다.