Nano Banana Pro, 저수준 비전 올라운더인가

초록

본 논문은 텍스트‑투‑이미지 생성 모델인 Nano Banana Pro를 14개의 저수준 비전 작업(총 40개 데이터셋)에서 파인튜닝 없이 간단한 텍스트 프롬프트만으로 제로샷 성능을 평가한다. 주관적 시각 품질은 전문가 모델을 능가하지만, PSNR·SSIM·FID 등 전통적인 픽셀‑레벨 정량 지표에서는 뒤처진다. 이는 생성 모델의 확률적 특성이 픽셀‑정밀도와 충돌하기 때문이다. 연구는 Nano Banana Pro가 인간 지각에 가까운 결과를 제공하는 강점과, 기존 정량 지표에 의해 과소평가되는 한계를 동시에 조명한다.

상세 분석

본 연구는 최근 급부상한 텍스트‑투‑이미지(T2I) 생성 모델을 전통적인 저수준 비전(이미지 복원·향상·퓨전) 분야에 적용함으로써 두 패러다임 간의 근본적 차이를 실증적으로 탐구한다. 먼저 14개의 작업(디헤이징, 초고해상도, 디레인, 섀도우 제거, 모션·디포커스 디블러, 노이즈 제거, 반사·플레어 제거, 저조도·수중·HDR·멀티포커스·적외선‑가시광선 융합 등)과 40개의 공개·비공개 데이터셋을 선정하였다. 각 작업마다 “<작업명>을 깨끗하게 만들어 주세요”와 같은 1~2문장 프롬프트만을 사용했으며, 모델 파라미터는 전혀 조정하지 않았다.

정량 평가는 PSNR·SSIM·LPIPS·FID·NIMA·BRISQUE 등 다중 메트릭을 활용했으며, 정성 평가는 인간 평가자 5인에 의한 2‑AFC(두 이미지 중 더 나은 이미지 선택)와 시각적 비교를 수행했다. 결과는 다음과 같이 요약된다.

1. 주관적 품질 우위 – NIMA(신경 이미지 메트릭)와 인간 2‑AFC 점수에서 Nano Banana Pro는 대부분의 작업에서 최고 수준을 기록했다. 특히 디헤이징·디레인·HDR 복원에서 텍스처와 가장자리 재생성이 뛰어나, 기존 CNN/Transformer 기반 전용 모델보다 더 자연스러운 결과를 제공한다.

2. 정량 지표 격차 – PSNR·SSIM·LPIPS와 같은 픽셀‑레벨 일치도 지표에서는 전통적 전용 모델에 크게 뒤진다. 이는 생성 모델이 “가능한” 이미지 공간을 탐색하면서 작은 색상·밝기 변동을 허용하기 때문이며, 결과적으로 “노이즈”가 아닌 “시각적 노이즈”를 만든다.

3. 확률적 변동성 – 동일 프롬프트·입력에 대해 여러 번 실행하면 미세한 차이가 발생한다. 이는 평가 재현성을 저해하지만, 인간 관점에서는 다양성과 창의성을 제공한다는 장점으로 해석될 수 있다.

4. 프롬프트 민감도 – 본 연구는 프롬프트를 고정했지만, 추가 실험에서 “더 선명하게”, “자연스러운 색감으로” 등 세부 지시를 넣으면 일부 작업에서 PSNR·SSIM이 약간 개선되는 것을 확인했다. 이는 향후 “프롬프트 최적화”가 정량 성능을 끌어올릴 가능성을 시사한다.

5. 연산 비용 및 실시간성 – Nano Banana Pro는 대규모 디퓨전 기반 모델이며, GPU 1개당 평균 0.8 s(512×512) 정도의 추론 시간을 보인다. 전통적 전용 모델에 비해 느리지만, 파인튜닝·재학습 비용을 고려하면 전체 파이프라인 비용은 경쟁력 있다.

6. 평가 패러다임 재고 필요성 – 저수준 비전 과제에서 “시각적 만족도”와 “픽셀 정확도”는 종종 상충한다. 본 논문은 기존 PSNR·SSIM 중심의 평가가 생성 모델의 강점을 충분히 반영하지 못함을 강조하며, 인간 주관성 기반 메트릭(NIMA·BRISQUE·FID)과 새로운 “퍼셉션-정밀도” 복합 지표 설계의 필요성을 제안한다.

전반적으로 Nano Banana Pro는 “제로샷 저수준 비전 솔버”로서 인간 지각에 가까운 고품질 이미지를 제공하지만, 전통적인 정량 지표에서는 아직 전문 모델에 미치지 못한다. 이는 모델 자체의 확률적 특성과 현재 평가 체계의 한계가 복합적으로 작용한 결과이며, 향후 프롬프트 엔지니어링·퍼셉션 기반 평가·하이브리드 모델 설계가 연구 방향으로 제시된다.