2026–2027 최고의 AI 이미지 업스케일러: 재현 가능한 지표와 가격으로 비교한 벤치마크

Topaz, Crystal, Let's Enhance, MegaPotato, Magnific, Gemini, ChatGPT, Recraft, Krea, Upscayl: 2026–2027 시즌 중반, 이미지 업스케일에 가장 좋은 도구와 모델은 무엇일까요? 재현 가능한 지표와 최신 기법, Claude Opus 5.5의 블라인드 평가를 담았어요. 저희가 아는 한 가장 폭넓게 비교한 보고서예요.

MegaPotato 연구팀
읽는 데 23분 수정

핵심 요약: 그래서 무엇을 쓰면 될까요?

  • 무엇을 쓸까요: 저희가 일상적인 업스케일에 가장 먼저 고르는 도구는 MegaPotato AI 이미지 업스케일러(megapotato.app)예요. 저희 테스트에서 품질은 Topaz Wonder 3.5와 비슷했고, 월 100장 기준 Topaz 자체 API로 쓰는 Wonder 3.5의 비용은 MegaPotato의 7.4배였어요(fal.ai는 3.3배, 자세한 가격 비교는 아래에 있어요). 테스트한 모든 사진 유형에 강했고, 브라우저에서 바로 쓸 수 있으며 구독도 필요 없어요. 어떤 도구를 고를지 ↓
  • 실제 사진: 오래된 휴대폰 사진, 노이즈가 많은 사진, 압축된 사본에서도 MegaPotato는 안정적인 결과를 냈어요. Crystal도 원본에 아주 충실할 수 있고 통제된 테스트에서는 근소한 차이였지만, 실제 저화질 사진에서는 훨씬 고전했어요. MegaPotato 67.2, Wonder 3.5 62.8, Crystal 46.1이었어요. 유형별 결과 ↓
  • 얼굴: 얼굴 567개를 비교한 전체 테스트에서 블라인드 AI 평가 모델은 MegaPotato에 가장 높은 얼굴 점수를 줬어요. 얼굴 인식 모델이 측정한 원본과의 유사도는 Wonder 3.5와 Crystal이 더 높았어요. 디테일이 자연스러운 것과 같은 사람의 얼굴을 유지하는 것은 당연히 다른 문제라, 둘 다 보여드려요. 얼굴 자세히 보기 ↓
  • 근거는 무엇인가요: MegaPotato는 도구와 설정 18종을 비교한 기본 테스트와 사진 135장, 얼굴 567개로 범위를 넓힌 테스트 모두에서 종합 점수가 가장 높았어요. 정확히 어떤 모델인지가 중요해요. 함께 테스트한 Topaz의 나머지 다섯 모델은 같은 작고 손상된 입력에서 Wonder 3.5보다 훨씬 낮은 점수를 받았어요. 종합 순위표 ↓
  • 사진당 비용: 월 100장 기준으로 2.7, 16, 48 MP 결과의 비용을 평균 내면, MegaPotato는 묶음 할인 적용 시 $0.073이에요. Topaz Wonder 3.5는 월 $50부터 시작하는 자체 API에서 $0.54예요(fal.ai에서는 사용량에 따라 결제하며 $0.24). 비용 차이는 7.4배(3.3배)예요. MegaPotato의 감자칩은 유효기간이 없어요. 가격과 조건 ↓
  • 사진부터 볼까요? 모든 예시에서 입력, 원본이 있는 경우 원본, 각 도구의 결과를 확대해서 보여드려요. 작은 얼굴, 질감, 글자를 비교해 보세요. 내 사진의 결과를 좌우하는 차이가 바로 거기에 있어요. 상세 예시 ↓

이미지 업스케일은 컴퓨터 비전에서 가장 오래된 과제 중 하나예요. 첩보 영화라면 이런 장면이 빠지지 않죠. 화면에서 영역을 지정하고, 확대하고, 더 당겨 본 뒤, 마법 같은 버튼 하나를 누르면 대상의 얼굴이 초고해상도로 나타나요. 신경망 이전의 고전적인 컴퓨터 비전부터 오늘날의 최첨단 멀티모달 LLM까지, 연구자들은 간단해 보이지만 사실상 거의 풀 수 없는 이 문제에 계속 도전하고 있어요.

2025년에는 범용 이미지 편집 모델이 놀라울 정도로 쏟아졌어요. 대부분 멀티모달 LLM과 확산 모델을 기반으로 하거나 활용했죠. FLUX.1 Kontext에서 시작된 품질의 비약적인 발전은 Nano Banana 출시로 뚜렷해졌어요. 이 모델들은 아주 정밀한 작업부터 추상적인 작업까지, 글로 지시할 수 있는 모든 이미지 변환을 해내요. 하지만 범용 작업을 아무리 잘해도, 정밀한 변환과 원본 보존, 프롬프트를 정확히 따르는 능력은 여전히 부족했어요. 특히 ChatGPT, Gemini 같은 비공개 챗봇 모델은 색을 바꾸고, 무엇보다 사람의 얼굴을 다른 사람처럼 바꾸는 문제가 두드러졌어요. 그런데도 당시에는 이미지 변환의 모든 문제가 곧 해결될 것 같았어요.

일 년 넘게 지났고 모델도 발전했어요. 원본을 보존하는 능력도 훨씬 좋아졌지만, 같은 유형의 문제는 여전히 반복돼요. 이미지 업스케일(초해상도)은 특히 까다로운 작업이에요. 일반적인 편집에는 어느 정도 상상이 들어가도 괜찮아요. “고양이를 추가해 줘”라고 하면 품종이나 다른 조건은 정하지 않았으니 고양이면 되죠. 하지만 업스케일에서는 원본이 바뀌면 안 돼요. 휴대폰 사진을 포스터용으로 확대하든, AI 생성 이미지를 4K로 만들든 마찬가지예요. 대개 바꾸고 싶은 것은 디테일과 해상도뿐이에요.

예를 들어 ChatGPT에 도로 달리기 대회의 작은 사진을 네 배로 키우되 아무것도 바꾸지 말라고 요청했어요(사진 보기). 선명하고 깨끗하고 밝은 사진이 돌아왔어요. 그런데 선수의 배번을 보세요. 실제 배번에는 LUT 3029라고 적혀 있어요. ChatGPT는 파리 근처 프랑스 행정구역 이름인 SEINE-MARNE 77을 그렸고, 셔츠의 “trucks”도 다른 단어로 바꿨어요. 사진에 없는 내용이에요. Gemini는 LUT 2022라고 썼어요. 같은 작은 사본으로 테스트한 업스케일러 중 하나는 네 자리 숫자를 모두 읽어냈어요(이 선수 사진의 다른 도구 결과).

모든 도구에 제공한 입력, 원본 사진, ChatGPT의 결과.

범용 AI 이미지 편집기를 업스케일러로 쓰면 지금도 이런 일이 생겨요. 어떻게 요청하고 프롬프트를 짜느냐의 문제가 아니에요. 단순히 픽셀을 늘리는 게 아니라, 그 자리에 무엇이 있어야 할지 추측해서 그려 넣어요. 추측이 맞을 때도 많아요. 하지만 다른 단어, 다른 색, 심지어 다른 얼굴이 되기도 해요. 동시에 결과는 대체로 보기 좋고, 사람이 생각하는 미적 기준에도 잘 맞아요.

한편 시장에는 이미지 업스케일 전문 도구도 많아요. 오래된 과제인 만큼 서비스 수도 엄청나고, 서로 다른 시대에 나온 수많은 모델 중에서 무엇을 골라야 할지 판단하기가 아주 어려워요. 그래서 널리 쓰이고 성능과 정밀도가 뛰어난 방법들을 모아, 저희가 아는 한 가장 폭넓은 업스케일러 테스트를 만들었어요.

짧은 답은 위에 적었어요. 아래에서는 정확하고 재현 가능하게 과정을 설명해요. 먼저 기본 테스트에서는 도구와 설정 18종에 사진 16장의 동일한 작고 손상된 사본을 넣었어요. 모든 결과를 도구에는 한 번도 보여 주지 않은 원래 크기의 원본과 비교했어요. 이어지는 전체 테스트에서는 상위 세 도구로 사진 135장, 얼굴 567개를 처리하고, 모든 평가 모델로 모든 결과를 평가했어요. 측정 가능한 지표도 빠짐없이 구했어요. 다음은 극한 조건 테스트예요. 인쇄물 스캔, 강한 JPEG 압축, 노이즈, 오래된 인화 사진, 조각상, 회화를 다뤄요. 마지막으로 월 10장, 100장, 1 000장 기준의 자세한 가격을 정리했어요. 사진은 여기서 ↓

짧게 답해요.

  • AI 이미지 업스케일러가 뭔가요? 이미지를 크게 만드는 도구예요. 픽셀에 없는 디테일은 추측해야 해요.
  • 4×는 무슨 뜻인가요? 가로와 세로를 각각 네 배로 키워요. 504 × 336이 2016 × 1344가 돼요.
  • 아무것도 바꾸지 않고 사진을 확대할 수 있나요? 여기서 테스트한 도구 중에는 없어요.
  • 무료 도구도 있나요? Upscayl은 무료이고 오프라인으로 쓸 수 있지만, 작은 얼굴에는 맞지 않아요.
  • 인쇄하기에 충분한가요? 2016 × 1344는 인치당 300픽셀로 약 17 × 11 cm 크기로 인쇄할 수 있어요.
  • 크기는 그대로 두고 선명하게만 하고 싶나요? 업스케일러가 아닌 화질 개선 도구의 역할이에요. MegaPotato에서는 디테일 모드라고 부르며, 이번에는 테스트하지 않았어요.

종합 순위표: AI 이미지 업스케일러와 설정 18종 비교#

모든 도구에 약간 손상시킨 작은 사진 16장(504 × 336픽셀)을 똑같이 넣어 4배 확대하고, 결과를 원본과 비교했어요. 종합 점수는 100점 만점이에요. 계산식과 각 구성 요소는 테스트 방법에 있어요.

클릭하면 모든 지표를 볼 수 있어요
82.6전체 테스트 78.87.00 전체 테스트 7.13불필요 감자칩 패키지두 테스트 모두 최고점. 실제 저화질·야간·AI 사진에서 가장 깨끗한 결과. 자연스러운 얼굴피부를 조금 매끈하게 만듦. 작은 얼굴은 Wonder·Crystal의 결과보다 원래 인물과 덜 닮음. 손상된 사진의 여성을 젊게 만듦$0.073 웹 앱
81.9전체 테스트 75.77.09 전체 테스트 6.99불필요 fal.ai 필요 Topaz API얼굴이 원본에 가장 충실함. 유일하게 3029를 읽음. 웹 동영상 프레임에서 가장 좋음API 전용, 앱에는 Wonder 3 탑재. 일부 인물의 나이 변경. 조각상·인형을 사람처럼 처리$0.24 fal.ai
81.86.81불필요 패키지얼굴 평가 모델이 가장 높게 평가한 얼굴. 지어낸 내용 없음웹 전용. 틀린 숫자. 전체 테스트에서는 실행하지 않음$0.22 웹
80.8전체 테스트 69.56.78 전체 테스트 5.97불필요 API 필요 웹사이트이미지 지표상 원본에 가장 가까움. 사람이 없을 때 가장 좋음노이즈와 손상된 오래된 인화 사진에 약함(실제 저화질 사진 46.1점). 선글라스를 투명하게 만듦. 조각상 왜곡$0.35 API
73.26.16불필요 API 또는 앱보기 좋은 결과(MUSIQ 61.2)단어를 지어냄. 색 변경. 새 물체 생성. 약 8 MP가 한도$0.16 API
73.25.81불필요 API 또는 앱Topaz Bloom 2와 함께 가장 보기 좋은 결과(MUSIQ 63.6)푸른 하늘과 초록 나무 추가. 젊어진 얼굴. 새 단어 생성$0.16 API
70.96.66불필요 무료 앱얼굴과 색을 신중하게 유지. 저렴함흐릿함. 작은 결과 크기(무료 앱 1264 px). 틀린 숫자를 또렷하게 씀$0.11 API
69.95.78불필요 fal.ai 필요 Topaz API크고 선명한 대상에서 깨끗한 결과작은 얼굴이 플라스틱처럼 보임(67개 중 7개 변경). 마스크 제거$0.45 fal.ai
68.15.81불필요 fal.ai 필요 Topaz API선명하고 생생함. AI 아트용얼굴을 다시 그림(동일 인물 점수 0.26). 새 글자 생성. 더 밝은 색$0.91 fal.ai
65.15.47불필요 fal.ai 필요 Topaz API저렴함. 깔끔한 윤곽글자가 뒤틀림. 얼굴 67개 중 9개 변경. 마스크 제거$0.11 fal.ai
63.95.42불필요 API가장 저렴한 API. AI 아트와 깔끔한 윤곽에 적합작은 얼굴 왜곡(67개 중 5개). 크기 설정 없음$0.033 API
62.64.89불필요 fal.ai 필요 Topaz API저렴함. 깔끔한 윤곽작은 얼굴이 흐릿하고 플라스틱처럼 보임(67개 중 8개 변경). 마스크 제거$0.11 fal.ai
59.75.12불필요 무료무료, 오프라인, 사진 외부 전송 없음. 단어를 지어내지 않음얼굴 왜곡(67개 중 13개). 흐릿한 글자무료 자체 GPU
53.74.12불필요 2K 이하 필요 2K 초과제휴 모델까지 한곳에서 이용실제 얼굴과 거리가 멂(67개 중 21개 변경). 얼굴에 줄 생성. 분필을 회색으로 바꿈$0.21 Pro 요금제
53.55.20불필요 ComfyUI 필요 자체 사이트선명함. 장면 유지2×를 두 번 실행(노드가 2× 반환). 곳곳에 입자감과 과한 샤프닝. 원본과 거리가 멂(LPIPS 0.49)$1.13 ComfyUI
46.32.34불필요 ComfyUI 필요 자체 사이트풍부한 새 이미지, 콘셉트 아트용새로운 장면. 얼굴 67개 중 41개 변경. 곳곳에 지어낸 단어$1.02 ComfyUI
34.14.20불필요 fal.ai 필요 Topaz API크고 선명한 입력용작은 사진은 거의 바꾸지 않음. 얇은 검은 테두리$0.11 fal.ai
33.32.03불필요 API–새로운 장면. 얼굴 67개 중 51개 변경. 의미 없는 단어$2.05 API

종합 점수: 100점 만점이며, 아래에는 같은 도구의 전체 테스트 점수를 표시했어요(사진 135장, 전체 테스트에 참여한 세 도구). Opus 5.5 평가 점수: 0–10점이며, 아래는 전체 테스트 점수예요. 구독 필요?: 해당 이용 경로를 쓰려면 월 구독이 꼭 필요한지를 뜻해요. 경로가 두 개면 각각 표시했어요(빨간색 = 필요). Krea와 ChatGPT의 무료 이용에는 제한이 있어요. 장단점: 두 테스트와 고난도 사례에서 드러난 점을 요약했어요. 자세한 내용은 테스트한 AI 업스케일러 하나씩 살펴보기에 있어요. *사진당 비용: 월 100장 기준 세 가지 크기의 평균이며, 아래에는 그 가격으로 이용하는 경로를 적었어요. Topaz 자체 API는 fal.ai보다 비싸요. MegaPotato API에는 묶음 할인이 없어 $0.091예요(AI 업스케일러 가격). 열 이름에 마우스를 올리면 무엇을 측정하는지 설명이 나와요. 전체 설명은 지표별 의미에 있어요. 행을 클릭하면 전체 테스트를 포함한 모든 지표를 볼 수 있어요.

상위 네 도구의 점수 차이는 두 점 이내예요. MegaPotato(82.6), Topaz Wonder 3.5(81.9), Let's Enhance(81.8), Crystal(80.8)이 뚜렷한 상위 그룹을 이뤘어요. 그다음인 엄격한 프롬프트를 쓴 ChatGPT는 여덟 점 뒤처졌어요(73.2, 프롬프트는 설정, 프롬프트, 정렬에 있어요). 그래서 이 중 세 도구를 골라, 범위가 훨씬 넓고 더 어려운 사진들로 테스트를 이어 갔어요.

이미지 품질과 원본 충실도: 보기 좋은 결과와 원본 보존#

이번 테스트에는 주로 실제 사진을 썼어요. 가장 중요한 용도 중 하나이기도 하지만, 어려운 대상이기도 해서예요. AI 아트에서는 새로운 질감이 생겨도 그저 작품의 일부처럼 보이기 쉬워요. 실제 사진에는 당연히 비교할 기준이 있어요. 그래서 다른 얼굴, 다른 단어, 원래 없던 색 같은 오류가 바로 드러나요.

그림 1 · 보기 좋다고 원본에 충실한 건 아니에요

Scatter plot of 8 points: 시각적 품질(MUSIQ) against 원본과의 거리(LPIPS). 원본과의 거리(LPIPS) from 0.193 to 0.287. Highest 시각적 품질(MUSIQ): ChatGPT, 간단한 프롬프트 (63.6); lowest: Gemini (50.4). Highlighted: MegaPotato (59.9 at 0.207).

보기 좋다고 원본에 충실한 건 아니에요
원본과의 거리(LPIPS)시각적 품질(MUSIQ)
ChatGPT, 간단한 프롬프트0.28763.6
Topaz Wonder 3.50.21161.7
MegaPotato0.20759.9
Crystal0.19359.7
Upscayl (Standard)0.24055.7
Topaz Standard V20.24854.9
Recraft Crisp0.22253.6
Gemini0.24250.4

기본 테스트의 사진 16장에 대한 여덟 설정의 평균 점수예요. 왼쪽일수록 원본과 비슷하고(종합 점수에 반영한 원본 유사도 지표 LPIPS가 낮음), 위쪽일수록 시각적 품질 점수(MUSIQ)가 높아요. 축은 원점이 아니라 원본에 가장 가까운 도구 부근에서 시작해요. 원본 사진의 거리는 정의상 0이고, MUSIQ는 53.3으로 대부분의 결과보다 낮아요.

확실히 ChatGPT의 결과가 가장 보기 좋아요. 예상대로 원본과는 가장 먼 편이고요. 전문 도구는 원본에 가깝지만 시각적인 매력은 덜해요(입력에 따라서도 달라져요).

전체 테스트: 사진 135장으로 비교한 MegaPotato, Topaz Wonder 3.5, Crystal#

기본 테스트 상위 네 도구 중 MegaPotato, Topaz Wonder 3.5, Crystal 세 도구를 전체 테스트에 사용했어요. (기본 테스트에서 세 번째였던 Let's Enhance는 웹에서만 사용할 수 있어 사진 135장에는 실행하지 않았어요.)

표본: 사진 135장, 얼굴 567개.

  • 기본 테스트 사진 14장, 원본이 있어요.
  • AI 생성 사진 16장(FLUX.1 [schnell])과 사람이 없는 사진 13장(동물, 자연, 건물). 기본 테스트 입력과 같은 방식으로 축소하고 손상을 줬어요(약간의 흐림과 노이즈, JPEG로 두 번 저장). 원본이 있어요.
  • 촬영된 그대로의 실제 저화질 사진 29장: 오래된 휴대폰의 저조도 사진, 초기 디지털카메라 사진, 메신저로 주고받은 사본, 무대와 파티 사진이에요. 고해상도 원본은 없어요.
  • 오래된 인화 사진과 필름 스캔 19장. 먼지와 입자감이 있고 색이 바랬으며, 테스트를 위해 축소했어요. 깨끗한 원본은 없어요.
  • 원래부터 작은 사진 44장. 게시된 그대로 넣었어요. 2001–2007년 Flickr 사진 37장과 2005–2009년 웹 동영상 프레임 7개예요. 고해상도 원본은 없어요.

내용별로 보면 사람(사진 103장), 군중·단체(30장), 얼굴(567개: 입력에서 너비 10–24픽셀이 348개, 25–59픽셀이 173개, 그보다 큰 얼굴이 46개), 간판·글자(20장), 야간·무대·저조도(24장), 오래된 사진(21장), AI 이미지(16장), 동물(20장), 자연(26장), 도시·건물·실내(55장), 웹 동영상 프레임(7개)이에요. 정물(제품과 음식)은 제외했어요. 이번 표본은 사람, 장소, 동물, 자연을 다뤄요.

깨끗한 고해상도 원본이 없으면 평가 모델은 결과를 입력과 비교했고, 원본이 필요 없는 지표만 썼어요. 원본 유사도(LPIPS, A-FINE, 동일 인물 점수)는 원본이 있는 사진 43장에서 구했어요. 각 지표는 측정 가능한 사진들의 평균을 내고, 그 평균값의 가중합으로 종합 점수를 구했어요. n 열은 각 행에 포함된 사진이나 얼굴의 수예요.

지표MegaPotatoTopaz Wonder 3.5Crystaln
종합 점수, 0–10078.875.769.5사진 135장
Opus 5.5 평가 점수 ↑7.136.995.97사진 135장
Qwen3.8, 확대 영역 ↑7.247.216.83사진 135장
Qwen3.8, 얼굴 ↑6.696.596.24얼굴 567개
동일 인물 점수 ↑0.5180.5580.556얼굴 138개
다른 사람 판정, % ↓1.11.22.8얼굴 567개
얼굴 품질 (eDifFIQA) ↑0.5220.5250.484얼굴 567개
LPIPS ↓0.2050.2100.191사진 43장
A-FINE ↓17.034.835.4사진 43장
MUSIQ ↑52.452.545.7사진 135장
NIQE ↓3.983.954.01사진 135장
DISTS ↓0.1400.1250.119사진 43장
DreamSim ↓0.01660.01210.0107사진 43장
DINOv2 ↑0.9660.9750.976사진 43장
TOPIQ-FR ↑0.6960.7050.703사진 43장
색차 ΔE ↓2.422.312.11사진 43장
MANIQA ↑0.3250.3440.281사진 135장
CLIP-IQA+ ↑0.5120.5370.466사진 135장
TOPIQ ↑0.4420.4690.403사진 135장

첫 행은 종합 점수, 그 아래 열 행은 구성 요소예요. 버튼을 누르면 나오는 여덟 항목은 종합 점수에 포함되지 않는 검증용 지표예요. 지표 이름에 마우스를 올리면 설명이 나와요. 전체 정의는 지표별 의미에 있어요.

전체 테스트의 도구별 결과: 같은 수치를 도구당 한 행으로 보기
도구전체 테스트, 종합 점수Opus 5.5 평가 점수 (전체 테스트)Qwen3.8, 확대 영역 (전체 테스트)Qwen3.8, 얼굴 (전체 테스트)동일 인물 점수 (전체 테스트)다른 사람 판정, % (전체 테스트)얼굴 품질 (전체 테스트)LPIPS (전체 테스트)A-FINE (전체 테스트)MUSIQ (전체 테스트)NIQE (전체 테스트)
MegaPotato78.87.137.246.690.5181.10.5220.20517.052.43.98
Topaz Wonder 3.575.76.997.216.590.5581.20.5250.21034.852.53.95
Crystal69.55.976.836.240.5562.80.4840.19135.445.74.01

도구당 한 행씩, 순위표의 상세 패널과 같은 종합 점수와 열 가지 구성 요소를 정리했어요. 위 표에도 같은 수치가 있으며, 검증용 지표 여덟 개가 더 있어요.

사진 유형별 결과. 표본을 유형별로 나누어 같은 계산식을 적용했어요. 얼굴이나 원본이 없는 유형에서는 해당 항목을 제외하고 나머지 가중치의 합이 100 %가 되도록 조정했어요. 따라서 서로 다른 유형의 점수가 아닌, 같은 유형 안에서 도구끼리 비교해 주세요.

기본 테스트 사진1482.981.780.5
AI 생성 사진1679.276.176.1
사람이 없는 사진1372.872.674.2
실제 저화질 사진2967.262.846.1
오래된 인화 사진과 필름1973.974.073.3
원래부터 작은 사진(Flickr, 웹 동영상)4475.575.461.9
내용별로 본 결과(사람, 글자, 야간, 동물 등)
사람10378.675.268.2
군중·단체3080.076.169.7
얼굴(10 px 이상)10378.975.268.3
간판·글자2081.678.573.9
동물2075.474.566.3
자연2682.781.077.2
도시·건물·실내5579.676.871.5
야간·무대·저조도2470.164.855.2
오래된 사진2176.976.574.7
AI 이미지1679.276.176.1
웹 동영상 프레임765.567.642.7
원본이 있는 사진4379.878.478.4

수치에서 읽을 수 있는 점:

  • MegaPotato가 전체 테스트에서 3점 차이로 앞섰어요. 특히 실제 저화질 사진(MegaPotato 67.2, Wonder 62.8, Crystal 46.1, 사진 29장), 야간·무대 조명(70.1, 64.8, 55.2, 사진 24장), AI 이미지, 글자와 간판, 군중 사진에 강했어요.
  • Wonder 3.5는 오래된 인화 사진에서 MegaPotato와 대등했어요(74.0 대 73.9, 19장). 원래부터 작은 사진에서도 비슷했고(75.4 대 75.5, 44장), 웹 동영상 프레임에서는 Wonder가 앞섰어요(67.6 대 65.5, 7개). Crystal은 사람이 없는 사진에서만 가장 높았고(74.2, 13장), 실제 저화질 사진에서는 크게 뒤처졌어요.
  • Opus 5.5의 블라인드 평가도 같은 순위였어요: 10점 만점에 MegaPotato 7.13, Wonder 3.5 6.99, Crystal 5.97이었어요(사진 135장). Qwen3.8의 확대 영역 평가도 같았어요(7.24, 7.21, 6.83).
  • 얼굴: 기본 테스트와 같은 양상이었어요. 여러 얼굴 인식 모델의 측정값을 종합하면 Wonder 3.5와 Crystal이 원본 인물의 얼굴에 가장 가까웠어요. Qwen3.8의 얼굴 평가에서는 MegaPotato가 가장 높은 점수를 받았고, 다른 사람으로 판정된 비율도 가장 낮았어요.
  • MegaPotato가 가장 크게 앞선 지표는 A-FINE이에요. 결과를 더 자연스럽다고 평가하기 때문이에요. A-FINE(CVPR 2025)[1]은 원본과 얼마나 비슷한지, 얼마나 자연스러운지 두 가지를 평가해요. 결과가 원본보다 자연스러우면 자연스러움에 훨씬 큰 가중치를 줘요. 전체 테스트에서 원본이 있는 사진 43장을 따로 분석해 보니, A-FINE은 모든 사진에서 MegaPotato의 결과를 원본 사진보다 자연스럽다고 평가했어요.
그림 2 · 전체 테스트 · 실제 저화질 사진

2010년 백악관 웹 동영상의 한 장면, 게시된 크기 480 × 360 px(입력의 120 × 90 px 영역)

모든 도구에 제공한 입력
MegaPotato
Opus 5.5 평가 점수 7.5MUSIQ 43
Crystal
Opus 5.5 평가 점수 5.0MUSIQ 26
Topaz Wonder 3.5
Opus 5.5 평가 점수 4.5MUSIQ 42

2010년 백악관 웹 동영상의 한 장면이에요. 사진으로 게시된 이미지라 실제 저화질 사진에 포함했어요. MegaPotato는 선명하고 자연스러운 얼굴을 만들었어요. Wonder 3.5와 Crystal은 흐릿한 상태로 남았어요. 실제 저화질 사진은 MegaPotato가 가장 큰 차이로 앞선 유형이었어요.

이미지: Executive Office of the President, 퍼블릭 도메인

그림 3 · 전체 테스트 · 원래부터 작은 사진

고양이, 640 × 480 px, 2004년(입력의 170 × 128 px 영역)

모든 도구에 제공한 입력
MegaPotato
Opus 5.5 평가 점수 8.0MUSIQ 35
Crystal
Opus 5.5 평가 점수 5.0MUSIQ 24
Topaz Wonder 3.5
Opus 5.5 평가 점수 7.0MUSIQ 33

수족관의 물고기, 640 × 480 px, 2005년(입력의 200 × 150 px 영역)

모든 도구에 제공한 입력
MegaPotato
Opus 5.5 평가 점수 8.0MUSIQ 72
Crystal
Opus 5.5 평가 점수 9.0MUSIQ 69
Topaz Wonder 3.5
Opus 5.5 평가 점수 7.0MUSIQ 68

공연 중인 가수, 1280 × 960 px, 2006년(입력의 110 × 83 px 영역)

모든 도구에 제공한 입력
MegaPotato
Opus 5.5 평가 점수 7.0MUSIQ 38
Crystal
Opus 5.5 평가 점수 4.0MUSIQ 28
Topaz Wonder 3.5
Opus 5.5 평가 점수 8.0MUSIQ 41

원래부터 작은 사진(고해상도 원본이 없음)을 게시된 그대로 넣었어요. 고양이 사진에서는 Crystal이 오래된 JPEG 파일의 얼룩을 남겼고, Wonder 3.5와 MegaPotato는 제거했어요. 물고기 사진에서는 MegaPotato의 비늘과 눈이 가장 또렷했고, Wonder는 깨끗하지만 덜 선명했으며 Crystal은 노이즈를 남겼어요. 가수 사진에서도 Crystal은 흐릿했고 Wonder와 MegaPotato는 깨끗한 얼굴을 만들었어요. 이 사진 44장에서 MegaPotato와 Wonder 3.5는 사실상 동점이었고(75.5와 75.4), Crystal은 가장 흐릿했어요(61.9).

사진(Flickr, CC BY 2.0, creativecommons.org/licenses/by/2.0): Jennifer Kramer의 "Cat | In your face cat."; James의 "I Want This Guy's Job!!!"; Henning Klokkeråsen의 "Elwood Caine concert at Herr Nilsen". 일부를 잘라내고 업스케일했어요.

AI 업스케일러 테스트 방법#

테스트 사진은 크게 두 종류예요.

  1. 고해상도·고화질 사진에 여러 방식(JPEG, 흐림, 노이즈 등)으로 손상을 주고 저해상도로 축소한 사진.
  2. 원래부터 해상도가 낮은 사진.
그림 4 · 야시장 · 전체 이미지
모든 도구에 제공한 입력
원본 사진

왼쪽: 기본 테스트에서 모든 도구에 제공한 작은 504 × 336 사본이에요(여기서는 확대해서 표시). 오른쪽: 어떤 도구에도 보여 주지 않은 원본이에요. 정답으로만 썼어요.

확대해서 보면:

그림 5 · 야시장 · 160 × 120 px 영역 / 전체 504 × 336
모든 도구에 제공한 입력
원본 사진
야시장: 160 × 120 px 영역, 입력 전체 504 × 336 px.

같은 군중을 확대한 모습이에요. 모든 도구에 제공한 사본에서 이 얼굴들의 너비는 약 20–26픽셀뿐이에요. 나머지는 업스케일러가 추측해야 해요.

기본 테스트(사진 16장, 도구와 설정 18종).

  • 모든 도구에 같은 손상된 입력: 504 × 336픽셀에 약간의 흐림과 노이즈를 더하고 JPEG로 두 번 저장했어요. 여러 번 공유된 사진과 비슷해요. AI 이미지는 축소만 했어요.
  • 모든 도구에 같은 작업: 4배 확대(2016 × 1344). Topaz, Crystal, Let's Enhance, MegaPotato, Krea, Upscayl, Magnific은 4×로 설정했어요. Recraft는 크기 설정이 없지만 정확히 4× 결과를 반환했어요. ChatGPT와 Gemini는 크기를 지정할 수 없어 결과를 2016 × 1344로 맞췄어요.
  • 기본 설정으로 사진당 한 번 실행. Topaz는 여섯 모델, ChatGPT는 간단한 프롬프트와 엄격한 프롬프트를 썼어요. 테스트 조건을 명확히 하려고 기본 매개변수는 바꾸지 않았어요.
도로 달리기 대회 · 군중, 작은 얼굴
인물 사진 · 크게 나온 얼굴
1914년 팀 단체 사진 · 오래된 사진(1914)
고양이 · 반려동물, 털
카페 메뉴판 · 글자(칠판) + 사람
이스탄불의 주택 · 건축물
야시장 · 야간 장면
Midjourney 이미지 · AI 아트(Midjourney)
벌새 · 야생동물, 깃털
1943년 식료품점 · 오래된 사진(1943), 간판 + 사람
축구팀 · 팀 단체 사진, 얼굴 + 숫자

기본 테스트 사진 16장 중 열한 장의 원본이에요. 전체 16장의 링크는 photos.csv에 있어요. 도구에는 작고 손상된 버전만 제공했어요.

전체 테스트(사진 135장, 상위 3종). 사진은 위에서 설명했어요. 모든 결과는 한 번에 4배 확대했어요. MegaPotato는 웹 앱에서, Wonder 3.5와 Crystal은 fal.ai에서 기본 설정으로 실행했어요.

두 평가 모델 모두 블라인드 평가. 성능이 뛰어난 멀티모달 AI 모델을 평가자로 쓰는 방식[2]은 AI 연구에서 이미 자리 잡았어요[3]. 한 모델의 취향이 결과를 좌우하지 않도록 서로 다른 두 모델을 썼어요.

  • Claude Opus 5.5(최대 추론 수준)[4]에는 각 결과를 무작위 문자로 표시하고, 전체 이미지와 확대 영역을 원본(원본이 없으면 입력) 옆에 보여 준 뒤 0에서 10점으로 평가하게 했어요. 일관성을 확인하려고 사진마다 결과 하나를 두 번 보여 줬어요.
  • Qwen3.8[5] (27B)에는 확대 영역과 모든 얼굴을 원본 옆에 보여 주고 같은 0–10점 척도로 평가하게 했어요. 얼굴마다 여전히 같은 사람인지도 물었어요.

측정 방법. SCRFD[6]로 원본에서 얼굴을 한 번만 찾고(원본이 없으면 확대한 입력에서), 모든 결과에서 같은 위치를 잘라냈어요. 도구가 얼굴을 지워 버려도 평가에서 빠지지 않게 한 거예요.

  • 같은 사람인가요? 얼굴 인식 모델 네 개의 평균 유사도예요(대부분의 얼굴은 세 개). ArcFace[7] (Glint360K[8]로 학습), MagFace[9], AdaFace[10] (WebFace12M[11]으로 학습), AuraFace[12]를 썼어요(1 = 같은 얼굴, 다른 사람은 대략 0–0.3).
  • 얼굴 품질: eDifFIQA[13] (DifFIQA[14]의 더 빠른 후속 모델)로, 원본 없이 얼굴이 얼마나 깨끗하고 알아보기 쉬운지 평가해요.
  • 원본 유사도: LPIPS[15]와 A-FINE[1]은 종합 점수에 반영해요. DISTS[16], DreamSim[17], DINOv2[18], TOPIQ[19], CIEDE2000 색차[20]는 검증용 지표예요.
  • 시각적 품질은 어떤가요? (원본 불필요): MUSIQ[21]와 NIQE[22]는 종합 점수에 반영하고, MANIQA[23], CLIP-IQA+[24], TOPIQ는 검증용 지표로 써요.

지표는 공개된 IQA-PyTorch 라이브러리[25]와 각 모델의 자체 코드로 계산했어요.

종합 점수(0–100). Opus 점수가 28 %이고, 나머지는 각각 8 %예요. Qwen3.8 확대 영역 점수, Qwen3.8 얼굴 점수, 동일 인물 점수, Qwen3.8이 다른 사람으로 판정한 얼굴 비율, 얼굴 품질, LPIPS, A-FINE, MUSIQ, NIQE예요. 평가 모델의 점수에는 10을 곱해요. 그 외 지표는 기본 테스트의 도구와 설정 18종 중 최고가 100, 최저가 0이 되도록 환산해요. 전체 테스트에도 같은 척도를 써서 종합 점수의 의미를 유지했어요. 기본 테스트의 최고보다 좋은 값은 100, 최저보다 나쁜 값은 0으로 처리해요. 가중치는 저희가 정했어요. 모든 구성 요소를 공개하니 원하는 가중치로 다시 계산할 수 있어요. 가중치는 기본 테스트 후, 전체 테스트 전에 확정했어요. Opus에 가장 큰 비중을 둔 이유는 성능이 매우 뛰어난 비공개 모델이고, 기본 테스트에서 저희가 눈으로 본 평가와 가장 잘 맞았기 때문이에요.

재현성에 관해. 점수를 매기기 전에 모든 결과를 입력에 맞춰 정렬했어요. 0.75픽셀 넘게 어긋난 결과는 원위치로 옮겼어요(Wonder 3.5의 결과는 약 0.8픽셀씩 어긋나는 경우가 많아요). 수치는 재현 가능해요. 테스트 재현 방법을 보세요.

전후 비교: 상세 예시#

아래의 잘라낸 이미지는 별도 표시가 없으면 기본 테스트에서 가져왔어요.

얼굴: 어떤 AI 업스케일러가 같은 사람의 얼굴을 유지했을까요#

각 결과 아래의 작은 글씨는 다음을 뜻해요. Opus 5.5 평가 점수: 잘라낸 영역이 속한 전체 결과에 대한 블라인드 평가 점수(0–10). 얼굴 유사도: 얼굴이 있는 경우, 얼굴 인식 모델이 측정한 원본 인물과의 유사도(0–1, 다른 사람은 약 0–0.3). MUSIQ: 전체 결과의 시각적 품질 점수(0–100).

그림 6 · 1914년 팀 단체 사진 · 56 × 42 px 영역 / 전체 504 × 336
모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 7.5얼굴 유사도 0.39MUSIQ 62
Crystal
Opus 5.5 평가 점수 7.0얼굴 유사도 0.49MUSIQ 64
Let's Enhance
Opus 5.5 평가 점수 7.0얼굴 유사도 0.46MUSIQ 60
Topaz Wonder 3.5
Opus 5.5 평가 점수 7.0얼굴 유사도 0.56MUSIQ 72
Gemini
Opus 5.5 평가 점수 7.0얼굴 유사도 0.61MUSIQ 43
ChatGPT
Opus 5.5 평가 점수 5.5얼굴 유사도 0.37MUSIQ 69
Krea
Opus 5.5 평가 점수 5.0얼굴 유사도 0.25MUSIQ 61
Upscayl
Opus 5.5 평가 점수 2.5얼굴 유사도 0.54MUSIQ 62
Recraft Creative
Opus 5.5 평가 점수 2.0얼굴 유사도 0.07MUSIQ 37
Magnific Creative
Opus 5.5 평가 점수 2.3얼굴 유사도 0.17MUSIQ 69
1914년 팀 단체 사진: 56 × 42 px 영역, 입력 전체 504 × 336 px.

1914년의 축구 선수예요. 사본에서 얼굴 너비는 약 25픽셀이에요. 여섯 도구는 원래 인물과 비슷한 얼굴을 유지했어요. Crystal, Let's Enhance, MegaPotato, Topaz Wonder 3.5, Gemini, ChatGPT예요(ChatGPT는 사진에 푸른 기도 살짝 더했어요). Krea는 얼굴에 검은 선을 그었고, Upscayl은 얼굴을 뭉갰으며, Recraft Creative와 Magnific Creative는 다른 남자를 그렸어요. Upscayl의 수치를 보세요. 얼굴 유사도는 0.54인데, Qwen3.8의 얼굴 평가에서는 10점 만점에 2점이었어요. 얼굴이 망가져도 대략적인 형태만 유지하면 얼굴 인식 모델을 속일 수 있어요. 두 종류의 지표를 함께 보여 주는 이유예요.

가까이서 찍은 인물 사진은 거의 모든 도구가 잘 처리했어요. 이미지에 정보가 훨씬 많아 작업이 쉬워져요.

그림 7 · 인물 사진 · 140 × 105 px 영역 / 전체 504 × 336
모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 7.5얼굴 유사도 0.97MUSIQ 39
Crystal
Opus 5.5 평가 점수 8.0얼굴 유사도 0.97MUSIQ 47
Topaz Wonder 3.5
Opus 5.5 평가 점수 7.5얼굴 유사도 0.97MUSIQ 47
Topaz Bloom 2
Opus 5.5 평가 점수 7.0얼굴 유사도 0.86MUSIQ 51
Upscayl
Opus 5.5 평가 점수 7.0얼굴 유사도 0.97MUSIQ 29
Magnific Creative
Opus 5.5 평가 점수 3.8얼굴 유사도 0.72MUSIQ 44
인물 사진: 140 × 105 px 영역, 입력 전체 504 × 336 px.

쉬운 사례인 근접 인물 사진의 코와 입술이에요. Crystal과 Topaz Wonder 3.5가 원본의 피부 질감을 가장 잘 유지했어요. MegaPotato는 피부를 조금 매끈하게 만들었어요. Topaz Bloom 2는 입술을 다시 그렸고, Upscayl은 밀랍처럼 보이며, Magnific Creative는 주근깨를 마음대로 그려 넣었어요.

반면 작은 얼굴은 아주 어려워서 도구별 차이가 뚜렷하게 갈려요. 군중이나 오래된 단체 사진에서 얼굴 너비는 10–35픽셀뿐이라, 모델은 대부분을 추측해야 해요.

그림 8 · 야시장 · 56 × 42 px 영역 / 전체 504 × 336
모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 6.0얼굴 유사도 0.47MUSIQ 58
Let's Enhance
Opus 5.5 평가 점수 6.0얼굴 유사도 0.44MUSIQ 57
Topaz Wonder 3.5
Opus 5.5 평가 점수 6.5얼굴 유사도 0.39MUSIQ 63
ChatGPT
Opus 5.5 평가 점수 4.5얼굴 유사도 0.38MUSIQ 64
Gemini
Opus 5.5 평가 점수 6.0얼굴 유사도 0.16MUSIQ 45
Recraft Creative
Opus 5.5 평가 점수 1.5얼굴 유사도 0.09MUSIQ 49
야시장: 56 × 42 px 영역, 입력 전체 504 × 336 px.

야시장 군중 가장자리의 여성이에요. 얼굴 너비는 약 15픽셀이에요. 제대로 복원한 도구는 없었어요. Qwen3.8의 얼굴 평가에서는 Let's Enhance가 가장 가까웠고(10점 만점에 6점), MegaPotato와 ChatGPT는 5점, Topaz Wonder 3.5는 3점이었어요. ChatGPT조차 얼굴을 다시 그리는 데 성공하지 못했다는 점이 흥미로워요. Gemini와 Recraft Creative는 얼굴을 아예 알아볼 수 없게 만들었어요.

그림 9 · 1943년 식료품점 · 36 × 27 px 영역 / 전체 504 × 336
모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 6.5얼굴 유사도 0.24MUSIQ 59
Topaz Wonder 3.5
Opus 5.5 평가 점수 7.5얼굴 유사도 0.23MUSIQ 61
Gemini
Opus 5.5 평가 점수 7.5얼굴 유사도 0.28MUSIQ 48
ChatGPT
Opus 5.5 평가 점수 5.5얼굴 유사도 0.26MUSIQ 65
Crystal
Opus 5.5 평가 점수 7.0얼굴 유사도 0.18MUSIQ 59
Upscayl
Opus 5.5 평가 점수 2.5얼굴 유사도 0.28MUSIQ 58
1943년 식료품점: 36 × 27 px 영역, 입력 전체 504 × 336 px.

1943년의 가게 주인이에요. 얼굴 너비는 약 16픽셀이에요. 이번에는 Topaz Wonder 3.5와 MegaPotato가 가장 가까워 보여요. Wonder는 얼굴과 콧수염을 유지했지만 시선을 바꿨어요. MegaPotato와 Gemini는 얼굴은 유지하되 콧수염을 옅게 만들었어요. ChatGPT는 훨씬 젊은 얼굴로 바꿨어요. Crystal은 더 갸름한 다른 얼굴을 그렸고, Upscayl은 얼굴을 뭉갰어요.

그림 10 · 이스탄불의 주택 · 32 × 24 px 영역 / 전체 504 × 336
모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 7.0MUSIQ 73
Topaz Wonder 3.5
Opus 5.5 평가 점수 7.0MUSIQ 73
Topaz Bloom 2
Opus 5.5 평가 점수 4.5MUSIQ 72
Upscayl
Opus 5.5 평가 점수 3.0MUSIQ 68
Recraft Creative
Opus 5.5 평가 점수 1.5MUSIQ 49
Magnific Creative
Opus 5.5 평가 점수 1.8MUSIQ 72
이스탄불의 주택: 32 × 24 px 영역, 입력 전체 504 × 336 px.

조각상의 얼굴도 비슷한 양상인 것 같아요. 이 흉상의 얼굴 높이는 약 12픽셀뿐이에요. 극도로 어려운 사례라 모든 모델이 저마다 다른 방식으로 실패했어요. MegaPotato와 Topaz Wonder 3.5가 그나마 가까워 보여요. 적어도 제자리에 여성의 얼굴이 있어요. Topaz Bloom 2는 다른 얼굴을 새겼고, Upscayl과 Recraft Creative는 얼굴을 뭉갰으며, Magnific Creative는 흉상을 꽃병으로 바꿨어요.

얼굴 관련 수치가 말해 주는 것. 기본 테스트에는 사진 9장에 얼굴 67개가 있고, 도구에 제공한 사본에서 얼굴 너비는 10–290픽셀이에요. 각 얼굴의 동일 인물 점수, Qwen3.8의 얼굴 평가 점수, 다른 사람으로 판정됐는지를 측정했어요.

  • 얼굴 인식과 AI 평가는 흥미롭게 엇갈려요. 흐릿한 단순 확대도 동일 인물 점수가 높아요. 흐려도 대략적인 형태는 남기 때문이에요. 하지만 평가 모델은 이런 결과에 낮은 점수를 줘요. 선명한 얼굴을 만들려면 추측해야 하고, 추측할 때마다 원본에서 조금씩 멀어져요. 어떤 모델도 피할 수 없는 상충 관계예요.
  • 얼굴 품질 지표로는 상위 도구를 구분하기 어려워요. eDifFIQA는 Crystal, Wonder 3.5, Let's Enhance, MegaPotato, ChatGPT의 얼굴에 0.56–0.59점을 줬어요. 실제 얼굴(0.58)과 같은 수준이에요. 왜곡되거나 흐릿한 얼굴은 훨씬 낮았어요(Upscayl 0.39, 단순 확대 0.27). 다만 이 지표는 시각적 품질에 더 가까워요. 같은 사람인지를 보는 게 아니라 얼굴이 얼마나 깨끗하고 알아보기 쉬운지를 평가해요.

Creative 모델은 이야기가 달라요. 대부분 같은 사람의 얼굴을 유지하려고 하지도 않아요.

그림 11 · 카페 메뉴판 · 96 × 72 px 영역 / 전체 504 × 336
모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 7.0얼굴 유사도 0.73MUSIQ 57
Crystal
Opus 5.5 평가 점수 7.0얼굴 유사도 0.79MUSIQ 53
Topaz Bloom 2
Opus 5.5 평가 점수 6.5얼굴 유사도 0.43MUSIQ 56
Recraft Creative
Opus 5.5 평가 점수 2.0얼굴 유사도 0.21MUSIQ 56
Krea
Opus 5.5 평가 점수 4.5얼굴 유사도 0.45MUSIQ 56
Magnific Creative
Opus 5.5 평가 점수 2.8얼굴 유사도 0.08MUSIQ 60
카페 메뉴판: 96 × 72 px 영역, 입력 전체 504 × 336 px.

카페 사진 속 여성이에요. MegaPotato와 Crystal은 원래 얼굴을 유지해요(전체 비교 이미지의 Topaz Wonder 3.5와 Let's Enhance도 마찬가지예요). Topaz Bloom 2, Recraft Creative, Krea, Magnific Creative는 각각 다른 여성을 그렸어요. 얼굴 인식 모델의 점수는 0.08에서 0.45였고, MegaPotato는 0.73, Crystal은 0.79였어요.

글자와 숫자: 가장 자신 있게 틀리는 부분#

업스케일러를 쓸 때 가장 위험한 부분은 작은 글자예요. 결과가 읽을 만해 보이니 그대로 믿게 돼요.

그림 12 · 도로 달리기 대회 · 60 × 45 px 영역 / 전체 504 × 336
모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 7.0MUSIQ 65
Topaz Wonder 3.5
Opus 5.5 평가 점수 7.5MUSIQ 67
Crystal
Opus 5.5 평가 점수 6.5MUSIQ 62
Gemini
Opus 5.5 평가 점수 6.0MUSIQ 58
ChatGPT (엄격한 프롬프트)
Opus 5.5 평가 점수 3.0MUSIQ 66
Recraft Creative
Opus 5.5 평가 점수 2.0MUSIQ 61
도로 달리기 대회: 60 × 45 px 영역, 입력 전체 504 × 336 px.

글 앞부분의 달리기 선수예요. 실제 배번은 LUT 3029 TP예요. 이번에는 Topaz Wonder 3.5와 MegaPotato가 가장 가까워 보여요. Wonder는 숫자를 맞혔고(TP는 7P로 바꿈), MegaPotato는 2029라고 썼어요. Crystal은 2020, Gemini는 2022라고 썼고, 빨간 띠의 “trucks”를 읽어낸 건 Gemini뿐이었어요. ChatGPT(엄격한 프롬프트)는 “182 XDA 17”이라고 썼고, Recraft Creative는 배번표와 셔츠를 통째로 바꿨어요.

당연히 큰 글자는 작은 글자보다 쉬워요.

그림 13 · 야시장 · 112 × 72 px 영역 / 전체 504 × 336
모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 6.0MUSIQ 58
Topaz Wonder 3.5
Opus 5.5 평가 점수 6.5MUSIQ 63
Crystal
Opus 5.5 평가 점수 6.5MUSIQ 59
ChatGPT
Opus 5.5 평가 점수 4.5MUSIQ 64
Magnific Creative
Opus 5.5 평가 점수 1.8MUSIQ 59
Recraft Creative
Opus 5.5 평가 점수 1.5MUSIQ 49
야시장: 112 × 72 px 영역, 입력 전체 504 × 336 px.

야시장 간판이에요. 큰 글자는 MegaPotato, Topaz Wonder 3.5, Crystal에서 살아남았어요. 그 아래 전화번호 0981337668은 입력에서 읽을 수 없고, 어떤 도구도 복원하지 못했어요. Wonder 3.5와 Crystal은 그 자리에 알파벳을, MegaPotato는 지어낸 글자를 그렸어요. ChatGPT는 간판 전체를 새로운 스타일로 다시 그렸고, Magnific Creative는 집을 그려 넣었으며, Recraft Creative는 다른 글자를 썼어요.

그림 14 · 카페 메뉴판 · 96 × 72 px 영역 / 전체 504 × 336
모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 7.0MUSIQ 57
Crystal
Opus 5.5 평가 점수 7.0MUSIQ 53
Topaz Wonder 3.5
Opus 5.5 평가 점수 7.5MUSIQ 54
Krea
Opus 5.5 평가 점수 4.5MUSIQ 56
Magnific Creative
Opus 5.5 평가 점수 2.8MUSIQ 60
Recraft Creative
Opus 5.5 평가 점수 2.0MUSIQ 56
카페 메뉴판: 96 × 72 px 영역, 입력 전체 504 × 336 px.

카페 메뉴판이에요. 작은 사본에서도 읽을 만큼 글자가 커서 거의 모든 도구가 유지했어요. 이번에는 MegaPotato, Crystal, Topaz Wonder 3.5가 가장 가까워 보여요. 많은 모델이 색조를 놓쳤다는 점이 흥미로워요. Krea는 분필을 회색으로 바꿨고, Magnific Creative는 단어 두 개를 바꿨어요. Recraft Creative는 메뉴판을 의미 없는 말로 다시 썼어요(“smme”, “olwerlo”, “Kinierl”).

색: 사진에 덧칠하지 않은 도구는 어디일까요#

그림 15 · 이스탄불의 주택 · 100 × 75 px 영역 / 전체 504 × 336
모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 7.0MUSIQ 73
Crystal
Opus 5.5 평가 점수 7.0MUSIQ 74
Topaz Wonder 3.5
Opus 5.5 평가 점수 7.0MUSIQ 73
ChatGPT (간단한 프롬프트)
Opus 5.5 평가 점수 7.0MUSIQ 70
이스탄불의 주택: 100 × 75 px 영역, 입력 전체 504 × 336 px.

이스탄불 주택의 담쟁이덩굴이에요. MegaPotato, Crystal, Topaz Wonder 3.5는 색을 유지했어요. ChatGPT는 두 프롬프트 모두에서 짙은 적갈색 잎을 밝은 초록색으로 바꿨어요.

그림 16 · 도로 달리기 대회 · 전체 이미지
모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 7.0MUSIQ 65
Topaz Wonder 3.5
Opus 5.5 평가 점수 7.5MUSIQ 67
ChatGPT (간단한 프롬프트)
Opus 5.5 평가 점수 3.0MUSIQ 68
ChatGPT (엄격한 프롬프트)
Opus 5.5 평가 점수 3.0MUSIQ 66

달리기 대회 사진 전체예요. MegaPotato와 Topaz Wonder 3.5는 원본을 신중하게 다루는 다른 도구들처럼 색을 유지했어요. 간단한 프롬프트를 쓴 ChatGPT는 따뜻한 빛을 차갑게 바꾸고 위쪽에 푸른 하늘과 초록 나무를 더했어요. 엄격한 프롬프트에서는 따뜻한 느낌이 더 남았지만 색은 여전히 바뀌었어요(색차 11.1과 7.8, 위의 두 도구는 2.3).

동물의 털과 AI 생성 이미지#

그림 17 · 고양이 · 64 × 48 px 영역 / 전체 504 × 336
모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 8.0MUSIQ 55
Crystal
Opus 5.5 평가 점수 7.5MUSIQ 56
Topaz Wonder 3.5
Opus 5.5 평가 점수 7.5MUSIQ 57
ChatGPT (간단한 프롬프트)
Opus 5.5 평가 점수 6.0MUSIQ 61
Magnific Creative
Opus 5.5 평가 점수 3.8MUSIQ 54
Recraft Creative
Opus 5.5 평가 점수 4.0MUSIQ 47
고양이: 64 × 48 px 영역, 입력 전체 504 × 336 px.

고양이 털이에요. 이번에는 MegaPotato와 Crystal이 가장 가까워 보이고, Topaz Wonder 3.5는 조금 덜 선명해요. ChatGPT는 털의 주황색을 더 강하게 만들었고, Magnific Creative는 점무늬 털을, Recraft Creative는 길고 매끈한 털을 그렸어요.

그림 18 · 전체 테스트 · AI 이미지 · 96 × 72 px 영역 / 전체 384 × 288
모든 도구에 제공한 입력
원본 AI 이미지
MegaPotato
Opus 5.5 평가 점수 8.0얼굴 유사도 0.75MUSIQ 64
Crystal
Opus 5.5 평가 점수 7.0얼굴 유사도 0.74MUSIQ 65
Topaz Wonder 3.5
Opus 5.5 평가 점수 6.5얼굴 유사도 0.72MUSIQ 64
강의실을 그린 AI 이미지: 96 × 72 px 영역, 입력 전체 384 × 288 px.

전체 테스트의 AI 이미지예요(저희가 FLUX.1 [schnell]로 생성). 얼굴이 16개 있어요. 상위 세 도구 모두 잘 처리했어요. MegaPotato의 결과는 Opus 5.5 평가에서 가장 높았고(10점 만점에 8점, Crystal은 7점, Wonder 3.5는 6.5점), Qwen3.8 확대 영역 평가와 원본 유사도(LPIPS)에서도 가장 좋은 결과였어요. 얼굴도 원본 인물과 가장 비슷하게 유지됐어요(동일 인물 점수 0.75, 나머지는 0.74와 0.72).

지어낸 디테일: 도구가 사진에 없던 것을 더해요#

모든 생성형 도구가 원본에 없던 디테일을 만들어 냈어요. 범용 모델에서 더 잦고 전문 도구에서는 그보다 드물었지만, 예외는 없었어요.

  • MegaPotato: 글자가 너무 작아 읽을 수 없는 곳에 지어낸 로고와 글자.
  • ChatGPT: 새로운 물체와 장식(커튼, 그림, 회사 이름), 달라진 하늘과 빛.
  • Topaz Wonder 3.5: 조각상, 인형, 그림 속 얼굴을 살아 있는 사람과 사진으로 바꿔요. 글자가 너무 작으면 틀린 숫자를 써요.
  • Topaz Standard V2, Low Resolution V2, Standard MAX: 작은 얼굴에서 액세서리를 지우는 경향이 있어요.
  • Topaz Bloom 2: 사람, 조각상, 탁자에 새로운 옷과 물체를 더해요.
  • Recraft Creative: 새로운 장면. 사람, 식물, 창문, 메뉴판이 새로 생겨요.
  • Magnific Creative: 역시 새로운 장면. 사람과 글자를 새로 만들고, 흉상을 항아리로 바꿨어요.

극한 조건 테스트: 오래된 인화 사진, 강한 JPEG 압축, 노이즈(이미지 57장)#

전체 테스트는 평균적인 성능을 측정해요. 그래서 최악의 조건에서 모델이 어떻게 반응하는지 보려고 극심하게 손상된 이미지로도 테스트했어요. 이미지 57장을 작게 만들고(288 × 216 이하) 일부러 손상시켰거나, 원래부터 어려운 이미지를 골랐어요. 망점이 있는 인쇄물 스캔, 강한 JPEG 압축, 저조도 노이즈, 먼지와 흠집이 있는 오래된 인화 사진, 질감 있는 종이, 아주 작은 얼굴, 선글라스, 조각상, 인형, 회화, 만화예요. 원본은 퍼블릭 도메인이나 자유 이용 라이선스 사진이에요(Library of Congress, Wikimedia Commons, The Metropolitan Museum of Art, Pexels). 여기서는 상위 세 도구만 실행했고, 블라인드 AI 평가 모델이 이미지마다 가장 좋은 결과를 골랐어요. 아래에 실은 이미지의 모든 결과는 Opus 5.5가 기본 테스트의 평가 기준으로 별도의 블라인드 평가도 했어요. 각 패널 아래에 그 점수와 MUSIQ가 있어요. 여기서 달라진 얼굴은 실제 인물의 모습이 아니라 도구가 만든 결과예요. 도구가 어떤 일을 하는지 기록하기 위해서만 보여드려요.

그림 19 · 고난도 사례 · JPEG 품질 12의 안경

강한 JPEG 압축으로 저장한 음악가 사진(품질 12)(64 × 48 px 영역 / 입력 전체 288 × 216 px)

모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 7.5MUSIQ 55
Crystal
Opus 5.5 평가 점수 4.0MUSIQ 52
Topaz Wonder 3.5
Opus 5.5 평가 점수 5.0MUSIQ 61

강한 JPEG 압축을 적용한 열차 승객(품질 12)(56 × 42 px 영역 / 입력 전체 288 × 216 px)

모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 3.5MUSIQ 60
Crystal
Opus 5.5 평가 점수 4.5MUSIQ 58
Topaz Wonder 3.5
Opus 5.5 평가 점수 3.0MUSIQ 63

JPEG 압축으로 심하게 손상된 얼굴 두 개예요. 극단적인 조건을 감안하면 모든 도구가 꽤 무난하게 처리했지만, 저마다 다른 디테일을 지어내거나 잃었어요.

사진: cottonbro studio, Pexels 라이선스; Syazani Zahari, Pexels 라이선스

그림 20 · 고난도 사례 · 오래된 인화 사진

먼지, 흠집, 흐림이 있는 오래된 세피아색 인화 사진(148 × 111 px 영역 / 입력 전체 288 × 216 px)

모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 5.5MUSIQ 44
Crystal
Opus 5.5 평가 점수 3.5MUSIQ 34
Topaz Wonder 3.5
Opus 5.5 평가 점수 4.0MUSIQ 43

오래되어 빛바랜 아인슈타인 인화 사진이에요.

사진: Ferdinand Schmutzer, 퍼블릭 도메인

그림 21 · 고난도 사례 · 강한 JPEG 압축과 노이즈

강한 JPEG 압축으로 저장한 1943년 사진(품질 12)(90 × 68 px 영역 / 입력 전체 288 × 216 px)

모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 5.5MUSIQ 66
Crystal
Opus 5.5 평가 점수 2.5MUSIQ 54
Topaz Wonder 3.5
Opus 5.5 평가 점수 6.5MUSIQ 68

심한 저조도 노이즈를 더한 같은 사진(90 × 68 px 영역 / 입력 전체 288 × 216 px)

모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 5.5MUSIQ 49
Crystal
Opus 5.5 평가 점수 3.5MUSIQ 44
Topaz Wonder 3.5
Opus 5.5 평가 점수 6.0MUSIQ 64

같은 1943년 사진에 두 종류의 심한 손상을 줬어요. MegaPotato는 여성을 젊게 만들고 안경을 지웠어요.

사진: Jack Delano, Library of Congress, 퍼블릭 도메인(미국 정부 저작물)

그림 22 · 고난도 사례 · 선글라스

강한 JPEG 압축 후의 짙은 선글라스(100 × 75 px 영역 / 입력 전체 288 × 216 px)

모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 6.0MUSIQ 77
Crystal
Opus 5.5 평가 점수 7.0MUSIQ 76
Topaz Wonder 3.5
Opus 5.5 평가 점수 6.5MUSIQ 78

강한 JPEG 압축 후의 달리기 선수가 쓴 미러 스포츠 선글라스(98 × 74 px 영역 / 입력 전체 288 × 216 px)

모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 6.5MUSIQ 75
Crystal
Opus 5.5 평가 점수 5.5MUSIQ 68
Topaz Wonder 3.5
Opus 5.5 평가 점수 7.0MUSIQ 76

강한 JPEG 압축으로 손상된 사진에서 Crystal은 짙은 선글라스를 투명하게 만들고 그 뒤에 눈을 그려 넣는 경우가 많았어요. MegaPotato와 Wonder 3.5는 대체로 렌즈를 짙게 유지했어요.

사진: Karan Singh, Pexels 라이선스; RUN 4 FFWPU, Pexels 라이선스

그림 23 · 고난도 사례 · 인형과 대리석 두상

장난감 박물관의 비스크 인형, 입력에서 얼굴 너비 약 22 px(56 × 42 px 영역 / 입력 전체 288 × 216 px)

모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 7.0MUSIQ 71
Crystal
Opus 5.5 평가 점수 4.5MUSIQ 62
Topaz Wonder 3.5
Opus 5.5 평가 점수 4.0MUSIQ 69

1세기 중반 로마 시대 남성 대리석 흉상(128 × 96 px 영역 / 입력 전체 288 × 216 px)

모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 6.0MUSIQ 68
Crystal
Opus 5.5 평가 점수 7.5MUSIQ 69
Topaz Wonder 3.5
Opus 5.5 평가 점수 6.5MUSIQ 72

실제 사람이 아닌 얼굴 몇 가지예요.

이미지: Alf van Beem, Wikimedia Commons, CC0; The Metropolitan Museum of Art, 오픈 액세스, CC0

그림 24 · 고난도 사례 · 수채화

John Singer Sargent의 수채화, 1912년(60 × 45 px 영역 / 입력 전체 288 × 216 px)

모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 6.5MUSIQ 55
Crystal
Opus 5.5 평가 점수 6.5MUSIQ 52
Topaz Wonder 3.5
Opus 5.5 평가 점수 3.5MUSIQ 64

회화예요. Wonder는 그림 속 얼굴을 꽤 자신 있게 사진으로 바꿨어요. MegaPotato는 더 젊고 매끈하게 만들어 일러스트에 가까워졌어요. Crystal은 성긴 붓질을 유지했고, 여기서는 그쪽이 맞아 보여요.

이미지: John Singer Sargent, The Metropolitan Museum of Art, 오픈 액세스, CC0

그림 25 · 고난도 사례 · 질감 있는 종이

질감 있는 종이에서 스캔한 1910년대 인화 사진(72 × 54 px 영역 / 입력 전체 288 × 216 px)

모든 도구에 제공한 입력
원본 사진
MegaPotato
Opus 5.5 평가 점수 8.5MUSIQ 62
Crystal
Opus 5.5 평가 점수 4.5MUSIQ 54
Topaz Wonder 3.5
Opus 5.5 평가 점수 6.5MUSIQ 65

종이의 입자감을 없앤 건 MegaPotato뿐이에요. Wonder는 일부를 남겼고 여성의 눈매를 더 날카롭게 만들었어요. Crystal은 전부 그대로 남겼어요.

사진: Harris & Ewing, Library of Congress, 알려진 출판 제한 없음

심하게 손상된 얼굴은 저희의 약점이에요. 이런 사진 8장 중 6장에서 MegaPotato가 인물을 바꿨어요(나이 변경, 다른 얼굴, 감긴 눈을 뜨게 함). 아주 작은 입력에서는 어떤 도구도 아인슈타인의 얼굴을 유지하지 못했고, MegaPotato는 모든 결과의 두 가장자리에 픽셀이 줄무늬처럼 늘어진 띠도 남겼어요.

이미지 유형이미지 수Wonder 3.5가 가장 좋음MegaPotato가 가장 좋음Crystal이 가장 좋음
신문·잡지의 망점(망점 인쇄물 스캔)11860
오래된 인화 사진: 먼지, 흠집, 흐림, 질감 있는 종이7260
인물 사진의 강한 JPEG 압축과 저조도 노이즈16963
강한 JPEG 압축 후의 선글라스5430
아주 작은 얼굴과 입력(128 × 96, 160 × 120)8552
조각상과 인형5140
회화와 만화5212
모든 고난도 사례5731317

공동으로 가장 좋은 결과를 낸 도구는 모두 집계했어요. 그래서 한 행의 합이 이미지 수보다 클 수 있어요. 그룹마다 표본이 적어 사진 한 장으로도 결과가 달라져요.

정리하면, 고난도 사례에서는 Wonder 3.5와 MegaPotato가 정확히 같은 성적을 냈어요. 57장 중 각각 31장에서 가장 좋았고, Crystal은 7장이었어요. 인쇄물 스캔, 강한 JPEG 압축, 노이즈가 많은 사진은 Wonder 3.5부터 써 보세요. 오래된 인화 사진, 조각상, 인형, 질감 있는 종이는 MegaPotato예요. 회화는 붓질을 유지하는 Crystal이고요. 손상된 얼굴에서는 어느 도구도 안심할 수 없었어요.

사진 유형별로 어떤 AI 업스케일러를 쓰면 좋을까요#

  • 촬영된 그대로의 실제 저화질 사진(오래된 휴대폰, 초기 디지털카메라, 파티·무대 사진): MegaPotato가 큰 차이로 앞섰어요(67.2, Wonder 3.5는 62.8, Crystal은 46.1, 사진 29장).
  • 야간·무대·저조도: MegaPotato(70.1, 나머지는 64.8과 55.2, 사진 24장).
  • 공유되거나 압축됐거나 크기가 작은 인물 사진: 가장 선명하고 자연스러운 얼굴을 원하면 MegaPotato예요. 원본 얼굴에 최대한 가까워야 한다면 동일 인물 점수가 더 높은 Topaz Wonder 3.5나 Crystal이에요.
  • 빛바랜 인화 사진과 오래된 가족사진: Wonder 3.5 또는 MegaPotato. 오래된 인화 사진 19장에서 대등했어요(74.0과 73.9). 고난도 사례에서는 MegaPotato의 얼굴이 가장 선명했지만, 심한 손상을 무늬로 바꾸기도 했어요. 먼지와 흠집을 확실하게 제거하는 도구는 없어요.
  • 신문·잡지 스캔: Topaz Wonder 3.5 또는 MegaPotato.
  • 조각상, 인형, 회화, 그림: MegaPotato에서는 돌로 된 눈이 돌로 남아요. 회화는 Crystal이 붓질을 유지해요. Wonder는 때때로 살아 있는 모습으로 바꿔 버려요.
  • 사람이 없는 풍경, 동물, 건물: 세 도구가 비슷해요(Crystal 74.2, MegaPotato 72.8, Wonder 3.5 72.6).
  • 이름, 숫자, 간판이 있는 사진: 작은 글자는 어떤 도구도 믿지 마세요. 갑자기 읽을 수 있게 된 단어나 숫자는 복원이 아니라 추측이에요. 작은 글자는 MegaPotato의 다음 버전에서 개선하려고 작업 중인 부분이에요.
  • 작은 파일로 크게 인쇄: 인치당 300픽셀에서 2016 × 1344픽셀은 약 17 × 11 cm(6.7 × 4.5 in)로 인쇄할 수 있어요. MegaPotato는 8배, Let's Enhance는 16배, Topaz Gigapixel은 6배까지 확대해요.
  • API로 수천 장 처리: 사진이라면 MegaPotato(월 1 000장 기준 사진당 $0.079), Topaz(월 $50부터인 자체 API에서 $0.26, fal.ai에서는 $0.24), Crystal($0.35)이에요. Recraft Crisp($0.033)은 깔끔한 그래픽에만 적합해요. 대량 처리 시 속도나 안정성은 테스트하지 않았어요.

AI 업스케일러 가격: 실제로 드는 비용#

그림 26 · 상위 네 도구의 사진당 비용

Bar chart of 4 bars: MegaPotato $0.073, Let's Enhance $0.22, Topaz Wonder 3.5 · fal.ai $0.24, Crystal $0.35. Highest: Crystal; lowest: MegaPotato.

상위 네 도구의 사진당 비용
value
MegaPotato$0.073
Let's Enhance$0.22
Topaz Wonder 3.5 · fal.ai$0.24
Crystal$0.35

종합 최고점과 두 점 이내인 네 도구(80.8에서 82.6)의 사진당 비용이에요. 월 100장 기준, 세 가지 크기의 평균이에요. 막대는 영점부터 시작해요. 다른 세 도구의 비용은 MegaPotato의 3.1에서 4.8배예요. Topaz 자체 API는 차트에서 뺐어요. 요금제가 월 $50부터라 월 100장만 처리하면 대부분 요금제의 기본 비용을 내는 셈이고, 사진당 $0.54가 돼요. 월 1 000장에서는 $0.26이에요.

그림 27 · 가격 대비 품질

Scatter plot of 14 points: 종합 점수 against 사진당 비용, $ (log scale). 사진당 비용, $ from 0.033 to 2.051. Highest 종합 점수: MegaPotato (82.6); lowest: Recraft Creative (33.3). Highlighted: MegaPotato (82.6 at 0.073). Hollow points are estimates.

가격 대비 품질
사진당 비용, $종합 점수종합 점수 from종합 점수 toseriesestimate
MegaPotato0.07382.6MegaPotato
Topaz Wonder 3.50.2481.9Topaz
Let's Enhance0.22381.8Let's Enhance
Crystal0.3580.8Crystal
ChatGPT0.16273.2OpenAIyes
Gemini0.11370.9Googleyes
Topaz Standard MAX0.45369.9Topaz
Topaz Bloom 20.90768.1Topaz
Topaz Precision, 모델 3종0.10753.934.165.1Topaz
Recraft Crisp0.03363.9Recraftyes
Krea Enhance0.2153.7Kreayes
Magnific Precision V21.13053.5Magnific
Magnific Creative1.02046.3Magnificyes
Recraft Creative2.05133.3Recraftyes

월 100장 기준 세 가지 크기의 평균 사진당 비용과 종합 점수를 비교했어요. 업체별로 색을 구분했고, Topaz는 fal.ai 기준이에요. 가격 축은 로그 척도라 같은 거리는 같은 달러 차이가 아니라 같은 비율을 뜻해요. 속이 빈 점은 메가픽셀당 요금을 기준으로 환산한 가격이에요. Upscayl은 차트에서 뺐어요. 앱 자체는 무료지만 그래픽카드와 전기가 필요하고, 그 비용은 계산하지 않았어요. 가격 계산 방법 ↓

차트의 가격을 계산한 방법

사진당 비용은 월 100장 기준으로, 각각 4배 확대하는 세 작업(0.17 → 2.7 MP, 1 → 16 MP, 3 → 48 MP)의 평균이에요. 일회성 패키지나 유효기간 없는 크레딧은 해당 사용량에서 소진되는 개월 수로 나누되, 최대 12개월까지만 나눴어요. 각 사용량에서 가장 저렴한 패키지나 요금제를 골랐어요. Topaz는 fal.ai의 사용량별 결제 기준이에요. 최소 월 $50인 Topaz 자체 API를 쓰면 모든 Topaz 점이 오른쪽으로 이동해요(Wonder 3.5는 $0.54). Topaz의 Precision 모델 세 개(Standard V2 62.6, Low Resolution V2 65.1, High Fidelity V3 34.1)는 가격이 같아 평균 점수의 점 하나로 표시했고, 막대는 최저부터 최고까지예요. MegaPotato는 사진 3장 이상을 한꺼번에 보낼 때 −20 % 할인이 적용되는 웹 앱 기준이에요. 월 100장에서는 작은 크기는 $25에 감자칩 600개, 큰 두 크기는 $50에 감자칩 1 300개인 패키지가 가장 저렴해요. API에는 묶음 할인이 없어 이 사용량에서 사진당 $0.091예요. Gemini와 OpenAI는 Batch API 기준이에요(반값, 24시간 이내 결과). 해당 크기를 만들 수 없거나(ChatGPT는 8 MP 초과, Gemini는 48 MP, Magnific Creative는 25 MP 초과, Recraft는 크기 지정 자체 불가), 한 크기의 가격만 있는 경우(Krea)는 메가픽셀당 요금을 기준으로 환산하고 속이 빈 점으로 표시했어요. 아래 표에는 월 10장과 1 000장도 있어요. 모두 세전 가격이에요.

사진당 가격만 보면 두 가지가 가려져요. 처음에 무엇을 사야 하는지, 코드를 쓰지 않고 이용할 수 있는지예요. 그래서 모든 도구가 처리할 수 있는 기본 테스트의 작은 작업(504 × 336 사진을 4배 확대, 2.7 MP)을 한 달 동안 처리하는 비용을 정리했어요. 각 업체의 자체 웹사이트나 API 가격이며, 2026년 11월 15일에 다시 확인했어요(각 출처에 확인 날짜 표기). 모두 세전이에요. 해당 페이지는 출처에 있어요.

MegaPotato[26]$0.50$3.33$31$5부터 일회성 감자칩 패키지 구매. 감자칩은 유효기간 없음. 사진 3장 이상 함께 처리 시 −20 %가능
Crystal API (Clarity AI)[27]$0.50$5$50$1부터 사용량에 따라 결제불가
Crystal 웹사이트(Clarity AI)[27]$13–19$13–19$199–299월 요금제: Starter는 $19(연간 결제 시 $13)에 크레딧 1 200개, 작은 사진당 크레딧 5개. 월 1 000장은 크레딧 30 000개의 Business 필요. 최저가 요금제에는 “작은 이미지 지원” 없음가능
Topaz Wonder 3.5 (Topaz API)[28]$50$50$100Topaz 자체 API, 월 $50부터. 사진당 크레딧 1개불가
Topaz Standard V2, Low Res V2, High Fidelity V3 (Topaz API)[28]$50$50$100같은 API 요금제. 사진당 크레딧 1개불가
Topaz Standard MAX (Topaz API)[28]$50$50$100같은 API 요금제. 사진당 크레딧 1개불가
Topaz Bloom 2 (Topaz API)[28]$50$50$200같은 API 요금제. 사진당 크레딧 2개불가
Topaz Wonder 3.5 (fal.ai)[29]$0.80$8$80사용량에 따라 결제. 결과 8 MP 단위마다 $0.08, 나머지도 한 단위로 계산불가
Topaz Standard MAX (fal.ai)[29]$0.80$8$80사용량에 따라 결제. 결과 4 MP 단위마다 $0.08, 나머지도 한 단위로 계산불가
Topaz Standard V2, Low Res V2, High Fidelity V3 (fal.ai)[29]$0.80$8$80사용량에 따라 결제. 결과 24 MP 단위마다 $0.08, 나머지도 한 단위로 계산불가
Topaz Bloom 2 (fal.ai)[29]$1.60$16$160사용량에 따라 결제. 결과 2 MP 단위마다 $0.08, 나머지도 한 단위로 계산불가
Topaz for Web, Image(Wonder 3, 3.5 아님)[30]$14–19$14–19$14–19정액 요금제: 연 $199, 연간 약정으로 월 $19 또는 무약정으로 월 $19, 2026년 11월 15일 할인가 $169 및 $16(연간 약정 시). Topaz는 렌더링을 무제한으로 안내. 공개된 제한은 내보내기 한도 32 MP, 동시 처리 두 장, 개인·소규모 사업자용가능
Topaz Gigapixel(데스크톱, Wonder 3)[30]$11–29$11–29$11–29연 $149, 연간 약정으로 월 $19 또는 무약정으로 월 $29, 할인가 $127 및 $16(연간 약정 시). 로컬 렌더링 무제한, 클라우드 렌더링은 동시 두 장으로 “무제한”가능
Let's Enhance[31]$3.25$9$72요금제 또는 일회성 패키지. 사진당 크레딧 1개가능
Gemini (API)[32]$0.50$5$50Batch API, 사용량에 따라 결제. 2K 이미지 생성(2528 × 1696). 코드 없이 쓰는 무료 앱은 1264 px불가
ChatGPT(OpenAI 이미지 API)[33]$0.42$2.71$27Batch API, 품질 “high”. 최소 $5 선결제. 코드 없이 앱에서 받은 결과는 1536 × 1024불가
Recraft Crisp (API)[34]$0.08$0.40$4$1부터 사용량에 따라 결제불가
Recraft Creative (API)[34]$2.50$25$250$1부터 사용량에 따라 결제불가
Magnific Creative(ComfyUI 노드)[35]$3.40$34$340선불 Comfy 크레딧, 최소 $10, 유효기간 일 년. Magnific 자체 요금제는 월 €16부터불가
Magnific Precision V2(ComfyUI 노드)[35]$3.40$34$340같은 크레딧. 2×를 두 번 실행불가
Krea(Pro 요금제)[36]$21–35$21–35$21–35Pro 월 $35 또는 연간 결제 시 월 $21. 연산 유닛 20 000개. Krea는 이 유닛으로 처리할 수 있는 Enhancer 이미지 수를 더 이상 안내하지 않음(10월에는 월 2 500장으로 안내했음)가능
Upscayl무료무료무료자체 그래픽카드가능

실제로 선택할 때는 이렇게 보면 돼요. 코드를 쓸 수 있다면 원본을 신중하게 다루는 도구 중 MegaPotato API가 가장 저렴해요. 사진당 $0.091예요(월 100장, 세 가지 크기의 평균. API에는 묶음 할인이 없고, 웹 앱에서는 같은 사진에 할인이 적용돼 $0.073). Topaz Wonder 3.5는 자체 API에서 $0.54(fal.ai는 $0.24), Crystal API는 $0.35예요. 코드를 쓰지 않으면 선택지가 줄어요. Crystal 웹사이트는 연간 결제 시 월 $13부터예요(월 결제는 $19). 사진용 Wonder 3.5는 API로만 쓸 수 있어요. fal.ai는 사용량에 따라 결제하고, Topaz 자체 API는 월 $50부터예요(Topaz 자체 앱에는 이번에 테스트하지 않은 Wonder 3가 있어요). 결국 상위 도구 중 구독 없이 한 번씩 결제하고 브라우저에서 쓸 수 있는 건 사실상 MegaPotato와 Let's Enhance 두 가지예요. 가격을 계산한 모든 크기에서 MegaPotato가 더 저렴했어요. 월 1 000장 정도로 많이 쓴다면 Wonder 3를 제공하는 Topaz 정액 요금제보다 저렴한 선택지를 찾기 어려워요(Gigapixel 연 $149, Topaz for Web $199, 2026년 11월 15일 할인가 $127 및 $169). Topaz는 렌더링을 무제한이라고 설명하며 월 한도는 공개하지 않았어요. 내보내기 한도 32 MP와 동시 처리 두 장 제한만 있어요. 월 수천 장에서도 그대로 이용할 수 있는지는 테스트하지 못했어요. 월 100장에서는 이미 MegaPotato가 더 저렴해요.

실제 가격에 영향을 주는 세부 조건과 테스트하지 않은 도구
  • 최소 결제 금액: Topaz 자체 API는 월 $50예요(10월에 “곧 출시”로 표시됐던 $0인 “Starter” 요금제는 사라졌어요. 사진당 크레딧 수는 문서에 나와 있어요[37]). fal.ai에는 최소 금액이 없어요. Crystal 웹사이트는 월 $13–19, MegaPotato는 한 번 $5예요. Crystal과 Recraft API는 $1부터 사용량에 따라 결제해요. Gemini와 OpenAI API는 $5 선결제가 필요해요.
  • 유효기간이 있는 크레딧: Let's Enhance 요금제의 크레딧은 해지하면 소멸해요(일회성 패키지는 유효기간 없음). Crystal 웹사이트의 크레딧은 이월되지 않아요. Gemini와 OpenAI API 크레딧은 12개월 후 만료돼요. MegaPotato 감자칩, Recraft 유닛, Crystal API 크레딧은 유효기간이 없어요.
  • 가격이 뛰는 구간과 크기 제한: Crystal은 16 MP만 넘으면 가격이 두 배가 돼요($0.20에서 $0.40). Topaz Standard V2는 24 MP 초과 시 두 배가 되고, Wonder 3.5는 Topaz API에서 16 MP에도 크레딧 2개가 들어요. fal.ai의 Wonder 3.5는 결과의 8 MP 단위마다 $0.08이며 남는 부분도 한 단위로 계산해요(16 MP는 $0.16, 48 MP는 $0.48). MegaPotato는 감자칩 한 개씩 비용이 올라요(타일당 감자칩 0.06개, 올림). OpenAI 이미지 API의 한도는 약 8 MP, 무료 Gemini 앱은 1264 px예요. Let's Enhance 무료 요금제는 8 MP까지이며 로고가 붙어요.
  • 테스트하지 않은 도구: VanceAI[38], Pixelcut[39], Remini[40]. 가격은 도구별 소개에 있어요.

테스트한 AI 업스케일러 하나씩 살펴보기#

각 도구가 무엇인지, 잘한 점과 실패한 점을 짧게 정리했어요. 점수는 종합 순위표, 가격은 가격표에 있으니 여기서는 반복하지 않을게요.

1. MegaPotato AI 이미지 업스케일러: 두 테스트 모두 최고점, 상위권 최저가#

MegaPotato는 저희가 만든 도구예요. 웹 앱과 API가 있고, 모델 하나로 2×, 4×, 8× 확대와 크기를 유지하는 디테일 모드를 제공해요. 구독 대신 감자칩 패키지를 구매해요.

실제 저화질 사진, 야간 사진, AI 이미지에 가장 강해요. 얼굴이 자연스럽고, 오래된 인화 사진의 종이 입자감과 먼지도 다른 도구보다 잘 없애요. 약점은 작은 얼굴이에요. Crystal이나 Wonder 3.5의 결과보다 실제 인물과 조금 덜 닮았어요. 어둡고 손상된 사진에서는 나이나 얼굴을 바꾸기도 했고, 아주 작은 입력에서는 가장자리에 줄무늬가 남아요.

2. Topaz Wonder 3.5: 원본 얼굴에 가장 충실하지만 API로만 이용 가능#

Topaz Labs는 업스케일 분야에서 아마 가장 유명한 이름일 거예요(2026년 9월부터 Adobe 소속). Precision, Generative, Creative라는 성격이 아주 다른 세 모델 계열이 있어요. 주목할 모델은 Wonder 3.5이고, API로만 쓸 수 있어요. Topaz 자체 API나 저희가 실행한 fal.ai에서 제공해요. 앱에는 Wonder 3가 있어요.

원본 얼굴에 가장 충실했고, 선수의 배번을 유일하게 읽어냈어요. 망점 인쇄물 스캔에서 가장 좋았고, 손상된 얼굴도 가장 신중하게 처리했어요. 문제는 조각상과 인형을 사람으로, 회화를 사진으로 바꾸고, 사람의 나이를 바꾸며, 빛바랜 인화 사진을 흐릿하게 남긴다는 점이에요. 다른 Topaz 모델은 사정이 달라요. Standard V2, Low Resolution V2, Standard MAX는 작은 얼굴을 플라스틱처럼 만들고 액세서리를 지우는 경향이 있어요. High Fidelity V3는 큰 사진용이라 작은 사진은 거의 손대지 않아요. Bloom 2는 얼굴을 다시 그려요.

3. Let's Enhance: 원본 충실도도 거의 같은 수준이고 쓰기도 쉬워요#

Let's Enhance는 가장 오래된 웹 업스케일러 중 하나예요. 여러 모드가 있고 웹에서만 쓸 수 있어요(API는 Claid라는 이름으로 별도 판매하며, 이번에는 테스트하지 않았어요). 저희는 기본값인 Prime을 썼어요. 패키지나 요금제로 구매한 크레딧으로 결제해요.

원본을 신중하게 다루고 충실하게 유지해요. 얼굴 평가 모델이 가장 높게 평가한 얼굴을 만들었고, 크게 눈에 띄는 내용을 지어내지도 않았어요. 약점은 선명도예요. 확대 영역 평가와 시각적 품질 지표 모두에서 상위 네 도구 중 가장 흐릿했고, 얼굴도 Wonder나 Crystal의 결과보다 실제 인물과 조금 덜 닮았어요.

4. Crystal Upscaler (Clarity AI): 일반 사진에는 매우 충실하지만 노이즈와 인쇄물에 약해요#

Crystal은 얼굴과 제품에 맞춰 조정한 Clarity AI의 비공개 모델이에요. 이미지당 결제하는 API와 요금제로 이용하는 웹사이트가 있어요.

이미지 지표상 원본과 가장 가까웠어요. 인물과 색을 유지하고 아무것도 더하지 않으며, 화면에 사람이 없을 때 가장 좋았어요. 하지만 노이즈와 JPEG 블록까지 더 선명하게 남기고, 망점도 그대로 둬요. 고난도 사례에서는 짙은 선글라스를 투명하게 만들고 오래된 사진의 아이를 어른처럼 만들었어요. 스캔, 손상된 인화 사진, 노이즈가 많은 사진에는 맞지 않아요.

5. 업스케일러로 쓰는 ChatGPT: 첫눈에는 좋지만 중요한 디테일을 바꿔요#

ChatGPT에는 업스케일 버튼이 없어요. 크게 만들어 달라고 하면 이미지 모델이 새 그림을 그려요.

첫눈에는 모든 도구 중 결과가 가장 보기 좋아요. 하지만 이미지를 다시 그릴 때 생기는 익숙한 문제는 그대로예요. 색을 바꾸고, 사람을 젊게 만들고, 글자를 자신 있게 써 넣어요. “don't invent anything”이라는 엄격한 프롬프트로도 막지 못해요. 보기 좋은 이미지에는 괜찮지만, 가족사진, 문서, 제품, 이름과 숫자가 있는 이미지에는 맞지 않아요.

6. Gemini 앱(Google Nano Banana): 얼굴은 신중하게 다루지만 결과 크기가 작아요#

Gemini도 업스케일러는 아니에요. 이미지 전체를 다시 그려요.

챗봇 모델 중에서는 가장 신중했어요. 얼굴과 색을 유지했어요. 다만 결과 크기가 작고 흐릿하며, 틀린 숫자와 지어낸 단어를 또렷하게 써요.

7. Recraft(Crisp와 Creative): 그래픽에는 저렴하지만 작은 얼굴에는 부적합#

Recraft는 업스케일러 두 가지가 있는 디자인 도구예요. Crisp는 있는 내용을 선명하게 만들고, Creative는 다시 그려요. 결과 크기는 선택할 수 없어요.

Crisp는 AI 아트와 깔끔한 윤곽에 괜찮고 이번 테스트에서 API가 가장 저렴하지만, 작은 얼굴은 왜곡해요. Creative는 그냥 다른 사진을 그려요. 새로운 사람과 의미 없는 단어도 함께 생겨요. 인물 사진에는 맞지 않고, 로고, 그래픽, AI 아트의 대량 처리에 맞아요.

8. Upscayl: 무료·오프라인이지만 작은 얼굴에는 부적합#

Upscayl은 자체 그래픽카드에서 Real-ESRGAN 계열 모델을 실행하는 무료 오픈 소스 데스크톱 앱이에요. 계정도 워터마크도 없고, 사진은 컴퓨터 밖으로 나가지 않아요(포함된 모델 중 세 개는 비상업용으로 표시돼 있어요).

무료이고 사진을 외부로 보내지 않으며, AI 아트와 깔끔한 윤곽에서는 쓸 만해요. 단어를 지어내지도 않아요. 작은 얼굴은 왜곡되고 작은 글자는 흐릿하게 남아요. 깨끗한 이미지를 무료로 오프라인 업스케일하는 용도, 딱 거기까지예요.

9. Krea: 여러 도구 중 이번에는 자체 화질 개선 모델을 테스트했어요#

Krea는 창작 플랫폼이에요. Enhancer에 Krea 자체 모델과 제휴 모델(Topaz, Magnific)이 있어요. 저희는 Krea 자체 모델을 테스트했어요.

이미 Krea에서 이미지를 생성하고 있다면 여러 도구를 한곳에서 쓸 수 있어요. 사진에서는 자체 Enhance가 실제 얼굴에서 크게 벗어났고, 1914년 사진의 얼굴에 검은 선을 그었으며, 빨간 분필을 회색으로 바꿨어요. 이번 테스트에서는 하위권에 머물렀어요.

10. Magnific: 가장 유명한 업스케일러는 새 그림을 그리고, 사진 모드는 샤프닝이 과해요#

Magnific은 업스케일러 하면 가장 먼저 거론되는 이름이에요. Creative와 Precision 두 모드가 있어요. 둘 다 ComfyUI의 Magnific 노드에서 노드 기본값으로 실행했어요. 어떤 배율을 요청해도 노드는 2×를 반환해서, 4× 결과는 2×를 두 번 거쳤어요.

Creative는 풍부한 새 이미지를 만들어 콘셉트 아트와 일러스트에 좋아요. 사진에서는 바로 그게 문제예요. 다른 사람과 다른 단어가 있는 새 사진을 그리거든요. Precision은 장면을 유지하지만 모든 부분에 선명한 가짜 질감을 덧붙여요. 기본 설정에서는 둘 다 상위권과 거리가 멀었어요. Precision의 디테일 설정을 낮추면 이번 결과보다 나을 수도 있어요.

테스트하지 않은 인기 도구 세 가지: VanceAI, Pixelcut, Remini
  • VanceAI. 업스케일, 노이즈 제거, 복원, 컬러화를 제공하는 온라인 도구 모음이에요. 월 $15부터 크레딧 260개를 제공하고, 4배 확대에 크레딧 2개가 들어요. 신규 이용자는 무료 크레딧 10개를 받아요.
  • Pixelcut. 온라인 판매자용 사진 편집기예요. 2× 결과는 하루 3번 무료로 다운로드할 수 있고, 4×는 Pro가 필요해요(월 $8–10, 업스케일 “무제한”). API는 업스케일당 $0.10이며, 요금제는 월 $10부터예요.
  • Remini. 얼굴에 집중한 휴대폰 앱이에요. 크기를 고를 수 없어 업스케일러보다는 얼굴 화질 개선 도구에 가까워요. 구독제로 판매하며, 주간 구독이 흔해요.

테스트 재현 방법#

테스트를 다시 실행하는 데 필요한 내용은 이 페이지와 작은 파일 네 개에 있어요.

  • 사진: 두 주요 테스트에 쓴 사진 137장 각각의 출처, 라이선스, 작은 입력을 만든 방법은 photos.csv에 있어요. 유형별 입력 생성 방법은 부록, 고난도 사례는 해당 절에 설명했어요.
  • 도구: 각 도구를 실행한 곳과 설정, 프롬프트는 설정, 프롬프트, 정렬에 있어요.
  • 채점: 평가 모델, 측정 방법, 계산식은 테스트 방법에 있어요. 두 테스트의 모든 도구별 수치는 전체 테스트 표와 부록에 있어요.
  • 모든 점수: 도구별·사진별 점수는 scores.csv, 얼굴별 점수는 faces.csv에 있어요. README.txt에는 각 열의 의미와 이 페이지의 표로 집계되는 방식을 설명했어요. 이 페이지로 연결하는 링크를 달면 CC BY 4.0에 따라 데이터를 자유롭게 쓸 수 있어요.

버전 1.1, 2026년 11월 15일. 모든 업체의 가격을 다시 확인했어요. MegaPotato가 더 저렴해졌어요(48 MP 사진은 이제 감자칩 5개 대신 4개가 들어요). 그래서 이제 Topaz 자체 API를 통한 Topaz Wonder 3.5보다 7.4배, fal.ai를 통한 경우보다 3.3배 저렴해요. Topaz는 앱에 매월 결제하는 연간 요금제를 추가하고 할인가를 변경했고, Krea는 요금제별 Enhancer 이미지 수를 더 이상 안내하지 않아요. 다른 모든 가격과 테스트 결과는 그대로예요.

버전 1.0, 2026년 10월 14일. 도구는 2026년 10월 초에 실행했어요. 가격은 2026년 10월 17일에 다시 확인했고, 각 출처에 날짜를 적었어요. 수치를 변경하면 여기에 기록할게요.

수치가 재현되는지 확인했어요. 저장된 기본 테스트 결과를 같은 코드로 다시 채점하니, 각 사진의 모든 수치가 첫 실행 결과와 0.15 % 이내의 차이를 보였어요. 얼굴 201개를 같은 프롬프트와 잘라낸 이미지로 다시 평가했을 때 Qwen3.8은 85 %에서 같은 점수를 줬고, “같은 사람인가?”에는 99.5 %에서 같은 답을 했어요. Claude Opus 5.5에는 사진마다 결과 하나를 서로 다른 문자로 두 번 보여 줬어요. 기본 테스트의 사진 16장 중 9장은 두 점수가 같았고, 나머지는 반 점 차이였어요. 업스케일러 자체는 다시 실행하면 다른 결과를 낼 수 있어요.

이 테스트 인용 방법

MegaPotato Research Team. The Best AI Image Upscalers of 2026–2027: Benchmark With Reproducible Metrics and Prices. megapotato.app, 2026년 10월 14일, 2026년 11월 15일 버전 1.1. https://megapotato.app/blog/best-ai-image-upscalers-2026

bibtex
@misc{megapotato2026upscalers,
  title        = {The Best AI Image Upscalers of 2026--2027: Benchmark With
                  Reproducible Metrics and Prices},
  author       = {{MegaPotato Research Team}},
  year         = {2026},
  month        = oct,
  howpublished = {\url{https://megapotato.app/blog/best-ai-image-upscalers-2026}},
  note         = {Version 1.1, 15 November 2026}
}

부록: 지표, 설정, 프롬프트, 사진 출처#

기본 테스트의 모든 수치(도구와 설정 18종)

종합 점수의 각 구성 요소를 사진 16장의 평균으로 정리했어요. “다른 사람”은 얼굴 67개 중 Qwen3.8이 다른 사람으로 판정한 비율이에요. A-FINE, DreamSim, DINOv2, TOPIQ-FR은 절반 크기의 사본(1008 × 672)으로 계산했어요. 지표 이름에 마우스를 올리면 설명이 나와요. 전체 정의는 지표별 의미에 있어요.

MegaPotato82.67.006.986.850.4810.00.5600.20717.459.93.19
Topaz Wonder 3.581.97.097.157.010.5490.00.5700.21136.361.73.07
Let's Enhance81.86.816.697.030.5141.50.5920.20923.259.13.31
Crystal80.86.786.856.760.5451.50.5830.19337.159.72.98
ChatGPT, 엄격한 프롬프트73.26.166.806.520.4744.50.5620.26927.761.24.34
ChatGPT, 간단한 프롬프트73.25.816.756.460.4556.00.5650.28723.563.64.08
Gemini 앱70.96.666.486.510.5191.50.5400.24235.250.44.63
Topaz Standard MAX69.95.785.955.840.49710.40.4990.22327.156.43.98
Topaz Bloom 268.15.816.275.780.2639.00.5310.28527.463.63.40
Topaz Low Resolution V265.15.475.405.570.48413.40.4830.23538.154.73.77
Recraft Crisp63.95.425.245.160.4907.50.4050.22230.153.64.01
Topaz Standard V262.64.895.155.210.46911.90.4790.24845.554.93.16
Upscayl (Standard)59.75.124.664.280.47619.40.3850.24035.255.73.65
Krea Enhance53.74.125.024.700.28131.30.5010.31747.558.23.04
Magnific Precision V253.55.205.495.240.4649.00.4930.49046.552.54.61
Magnific Creative46.32.344.103.660.14661.20.5290.32428.161.43.02
Topaz High Fidelity V334.14.204.123.840.53920.90.3260.40261.030.36.23
Recraft Creative33.32.033.202.810.16676.10.4790.41627.650.24.22
단순 확대–4.344.183.760.55125.40.2660.47162.727.17.61
실제 사진––9.09–1.000–0.5770.00039.853.33.58

종합 점수에 포함하지 않은 추가 지표예요. 먼저 원본 유사도예요.

MegaPotato0.1440.01250.9690.6972.49
Topaz Wonder 3.50.1280.00960.9810.7102.32
Let's Enhance0.1310.01720.9730.6642.29
Crystal0.1220.00760.9830.7072.12
ChatGPT, 엄격한 프롬프트0.1610.02330.9800.6214.82
ChatGPT, 간단한 프롬프트0.1760.03150.9750.6056.19
Gemini 앱0.1360.01550.9760.6672.83
Topaz Standard MAX0.1490.01970.9580.6742.46
Topaz Bloom 20.1720.02650.9660.5714.60
Topaz Low Resolution V20.1590.01560.9380.6722.19
Recraft Crisp0.1540.01960.9480.6852.51
Topaz Standard V20.1530.01940.9580.6402.53
Upscayl (Standard)0.1630.02320.9500.6662.66
Krea Enhance0.1830.03470.9330.4894.27
Magnific Precision V20.2070.0102–0.6633.20
Magnific Creative0.1910.0626–0.4465.51
Topaz High Fidelity V30.2130.03890.9730.5952.88
Recraft Creative0.2280.06450.8850.3266.97
단순 확대0.2220.02710.9720.6082.57
실제 사진0.0000.00001.0000.8180.00

– : 계산하지 않음(Magnific의 두 행).

원본 없이 측정하는 시각적 품질 점수예요.

MegaPotato0.3940.6020.532
Topaz Wonder 3.50.4220.6240.570
Let's Enhance0.4200.5910.524
Crystal0.3890.6000.541
ChatGPT, 엄격한 프롬프트0.3740.6220.483
ChatGPT, 간단한 프롬프트0.4000.6510.513
Gemini 앱0.3050.5240.368
Topaz Standard MAX0.3620.5790.478
Topaz Bloom 20.4350.6160.579
Topaz Low Resolution V20.3450.5450.458
Recraft Crisp0.3330.5190.431
Topaz Standard V20.3240.5350.465
Upscayl (Standard)0.3530.5520.468
Krea Enhance0.3960.5930.542
Magnific Precision V20.3730.5390.491
Magnific Creative0.4150.6370.552
Topaz High Fidelity V30.2190.2850.222
Recraft Creative0.3290.5130.431
단순 확대0.2540.4180.222
실제 사진0.3230.5380.433
16 MP 결과의 월간 비용

AI 업스케일러 가격의 작은 작업 표와 같은 기준이에요. 1224 × 816 사진을 4배 확대해요.

MegaPotato$1.00$6$53$5부터 일회성 감자칩 패키지 구매. 사진 3장 이상 함께 처리 시 −20 %가능
Crystal API (Clarity AI)$2$20$200$1부터 사용량에 따라 결제불가
Crystal 웹사이트(Clarity AI)$13–19$33–49$199–299월 요금제가능
Topaz Wonder 3.5 (Topaz API)$50$50$200–360Topaz 자체 API, 월 $50부터. 사진당 크레딧 2개(Topaz의 다른 페이지에서는 4개)불가
Topaz Standard V2, Low Res V2, High Fidelity V3 (Topaz API)$50$50$100같은 API 요금제. 사진당 크레딧 1개불가
Topaz Standard MAX (Topaz API)$50$50$360같은 API 요금제. 사진당 크레딧 4개불가
Topaz Bloom 2 (Topaz API)$50$88$660같은 API 요금제. 사진당 크레딧 8개불가
Topaz Wonder 3.5 (fal.ai)$1.60$16$160사용량에 따라 결제. 결과 8 MP 단위 두 개, 나머지도 한 단위로 계산불가
Topaz Standard MAX (fal.ai)$3.20$32$320사용량에 따라 결제. 4 MP 단위 네 개불가
Topaz Standard V2, Low Res V2, High Fidelity V3 (fal.ai)$0.80$8$80사용량에 따라 결제. 24 MP 단위 한 개불가
Topaz Bloom 2 (fal.ai)$6.40$64$640사용량에 따라 결제. 2 MP 단위 여덟 개불가
Topaz for Web, Image(Wonder 3, 3.5 아님)$14–19$14–19$14–19정액 요금제(연 $199, 연간 약정으로 월 $19 또는 무약정으로 월 $19. 2026년 11월 15일 할인가 $169 및 $16). 렌더링 “무제한”, 내보내기 한도 32 MP, 동시 두 장가능
Topaz Gigapixel(데스크톱, Wonder 3)$11–29$11–29$11–29연 $149, 연간 약정으로 월 $19 또는 무약정으로 월 $29(할인가 $127 및 $16). 렌더링 “무제한”, 클라우드 동시 두 장가능
Let's Enhance$6.50$24$160요금제 또는 일회성 패키지. 16 MP 사진당 크레딧 2개가능
Magnific Creative와 Precision V2(ComfyUI 노드)$6.80$68$680선불 Comfy 크레딧. 16 MP 사진당 크레딧 143.6개불가
Gemini (API)$0.76$7.60$76Batch API. 정해진 크기로 다시 그림(5056 × 3392)불가
ChatGPT(OpenAI 이미지 API)불가불가불가최대 이미지 크기 8.2 MP해당 없음
Recraft Crisp와 Creative(API)불가불가불가크기 설정 없음해당 없음
Krea(Pro 요금제)$21–35$21–35$21–35연산 유닛 20 000개. Krea는 이 유닛으로 처리할 수 있는 Enhancer 이미지 수를 더 이상 안내하지 않음(10월에는 월 2 500장으로 안내했음)가능
Upscayl무료무료무료자체 그래픽카드가능
설정, 프롬프트, 정렬

작은 입력 만들기(기본 테스트). 각 사진에서 3:2 영역을 잘라 비교 기준인 2016 × 1344 이미지를 만들고, 504 × 336으로 축소했어요(영역 평균). 가벼운 흐림(시그마 0.3 px)과 약간의 노이즈(0–255 척도에서 시그마 1.5)를 더한 뒤 JPEG로 두 번 저장했어요(품질 60, 다음 80). AI 이미지는 축소만 했어요. 전체 테스트의 입력은 사진 목록에 사진별로 설명했어요.

도구를 실행한 곳. 크기 외에는 기본 설정이에요. 2026년 10월 초에 실행했어요.

도구실행 환경설정
MegaPotatomegapotato.app 웹 앱4×
Topaz Wonder 3.5, Standard MAXfal.ai topaz/upscale/image/generative모델 이름 지정, upscale_factor 4, PNG
Topaz Bloom 2fal.ai topaz/upscale/image/creative모델 이름 지정, upscale_factor 4, PNG
Topaz Standard V2, Low Resolution V2, High Fidelity V3fal.ai topaz/upscale/image/precision모델 이름 지정, upscale_factor 4, PNG
Crystalfal.ai clarityai/crystal-upscalerscale_factor 4, creativity 0, PNG
Recraft Crisp, Recraft Creativefal.ai fal-ai/recraft/upscale/crisp, fal-ai/recraft/upscale/creative크기 설정 없음
Let's Enhanceletsenhance.io 웹 앱Prime, 4×
Kreakrea.ai Enhance4×
Magnific CreativeComfyUI 제휴 노드 Magnific Image Upscale (Creative), 선불 Comfy 크레딧4×, standard, creativity·HDR·resemblance·fractality 0, engine automatic
Magnific Precision V2ComfyUI 제휴 노드 Magnific Image Upscale (Precise V2)2×를 두 번 실행(요청한 배율과 관계없이 노드가 2× 반환); flavor photo, sharpen 7, smart grain 7, ultra detail 30
ChatGPTChatGPT Plus, 이미지 도구아래 프롬프트
GeminiGemini 앱(Nano Banana 2)간단한 프롬프트
UpscaylUpscayl 명령줄 엔진Standard 모델, 4×

fal.ai의 Topaz 기본 설정에는 얼굴 화질 개선이 켜져 있어요. Let's Enhance의 로고가 있는 모서리는 채점에서 제외했어요.

프롬프트. ChatGPT와 Gemini에 쓴 간단한 프롬프트: "Upscale this photo 4x. Keep everything exactly the same." ChatGPT에 쓴 엄격한 프롬프트: "Super-resolution only, 4x. Resolve the detail that is already in the pixels — do not restore, retouch or reinterpret. If you downscale your result back to the original size it must match the original pixel for pixel. Do not use any knowledge of who or what this is: import nothing from other versions of this image. Keep geometry, crop, identity, expression, lighting, colour, grain and lens character exactly as they are. Add only micro-texture implied by the input: pores, hair strands, fabric weave, edges. No retouching, no smoothing, no relighting, no grading, no new elements. Where a region is unresolvable, leave it soft instead of inventing detail."

정렬. 모든 결과를 입력의 4× 크기로 맞췄어요. 0.75픽셀 넘게 어긋난 결과는 원위치로 옮겼어요(바이큐빅으로 확대한 입력과의 위상 상관으로 측정). 이때 드러나는 가장자리 몇 픽셀은 유사도 지표에서 제외해요. ChatGPT와 Gemini는 이미지를 이동하거나 잘라내므로 특징점 매칭으로 정렬했어요.

평가 모델. Qwen3.8-27B-FP8은 vLLM에서 그리디 디코딩으로 실행했어요. Claude Opus 5.5(claude-opus-5-5)에는 각 결과를 무작위 문자로 표시했어요. 지시문은 아래에 있어요.

평가 모델에 보낸 지시문 원문

Claude Opus 5.5, 기본 테스트. 모든 비교 시트에 이 평가 기준을 썼어요. 파일 경로와 출력 파일에 관한 줄은 생략했어요.

text
You are a blind judge of AI image upscaling quality. You will score anonymous upscaled images against the real photo. You do not know which tools made them, and you must not try to find out.

Setup: for each photo there are 3 or 4 sheets named <photo>_<view>.jpg: one "overview" (the whole frame) and 2–3 zoomed views (faces, text, textures). In every sheet the first tile, labelled REAL PHOTO, is the real full-resolution photo. The other tiles, labelled with letters, are upscaled versions made from a small, damaged copy of that photo (504x336 pixels, with blur, noise and JPEG artifacts). Within one photo a letter always means the same image in every view. Letters are shuffled differently for each photo, so letter A of one photo has nothing to do with letter A of another photo. In the overview sheets, the bottom-left corner of every tile, including the real photo, is covered by the same grey box on purpose; ignore it. The grocery photo is an old 1943 black-and-white photo: its real photo is itself soft and grainy.

Task: for each photo, look at all its views first, then give every letter one score from 0 to 10 (half points allowed) for overall quality, the way a careful person would judge it looking at the result next to the real photo: is it sharp, clean and natural, and is it true to the real photo?
- 10: looks like the real photo, equally sharp and clean; no visible changes.
- 8–9: very close; sharp and natural; only tiny differences in fine texture.
- 6–7: good; clearly an upscale (a bit soft, over-sharpened or waxy) or small invented details, but the same people, text and colours.
- 4–5: clear problems: blurry, plastic skin, garbled details, a noticeable colour change, or one important thing changed.
- 2–3: serious problems: faces turned into other people or broken, invented or missing objects or text, the scene redrawn.
- 0–1: unusable.
Judge the whole image: the overview shows colours, the whole scene and overall sharpness; the zoomed views show faces, text and textures. A serious error in a zoomed view (a broken or replaced face, a new object, wrong readable text) must pull the score down even if the rest is good. Blurry but faithful results should not get high scores either. Be consistent across photos. Score each letter on its own merits.

Claude Opus 5.5, 전체 테스트(AI 이미지, 사람이 없는 사진, 실제 저화질 사진, 오래된 인화 사진): 평가 모델이 읽은 지시문이에요. 출력 형식은 생략했어요. 원래부터 작은 사진에는 기본 테스트의 평가 기준을 썼고, 실제 사진 대신 단순 확대한 입력을 보여 줬어요.

text
You are a blind judge. Three image upscalers (anonymous, letters A, B and C) each enlarged the same small photo 4 times. You do not know which tool is which, and the letters are shuffled on every sheet. Please judge each sheet on its own.

What a sheet looks like. Each sheet is split into image files. Read every part of a sheet before you judge it. Part 1 is the whole image. The later parts are zooms. A red box under "Where this zoom is" shows the zoom's place. Top row: "What every tool got": the small input that all three tools were given, enlarged with plain bicubic (soft on purpose). "Original (answer)": only on some sheets. It is the real photo before it was damaged and shrunk. When it is there, it is the answer: the best result is the one closest to it. "Where this zoom is": the location of the zoom. Bottom row: A, B, C, the three results.

How to judge.
1. Fidelity, 0 to 10. With an original: how close is the result to the original? Same people (face shape, identity, age, expression, skin tone, hair, glasses, beard), same objects, same text, same colours, same textures. Without an original: is the result a believable sharper version of the input, without changing what is there? Fidelity errors include inventing content (new objects, jewellery, glasses, a different face, eyes opened or closed, text or letters that are not there, fake texture) and losing real content (glasses, moustache, text, patterns, people). A statue or doll must stay a statue or doll. A painting must stay a painting. An old print may stay an old print.
2. Naturalness, 0 to 10. Does it look like a good, natural photo? Look for waxy or plastic skin, a painted look, halos, oversharpening, leftover noise or JPEG blocks, smears, garbled text, repeating patterns, seams and bands at the edges.
3. Rank A, B and C overall. Fidelity matters most, then naturalness. Use "=" only when you truly cannot separate two results.
4. Invented or lost content. For each letter, list concrete changes you can see. Write "none seen" if you saw none.

Rules. Judge by eye only. Do not run code, do not measure pixels, do not compute statistics, do not compare file sizes or metadata. Do not try to guess which tool is which, and do not use names of tools. Some sheets may look alike. Judge every sheet fresh from its own images. Look closely at faces, hands, text and fine textures in the zooms.

Qwen3.8, 확대 영역. 시스템 프롬프트와 각 결과의 각 영역에 보낸 요청이에요({what}에는 해당 영역에서 볼 대상을 넣어요. “overall”이 종합 점수에 반영되는 점수예요).

text
System: You are a meticulous photo-restoration evaluator. You compare an AI upscaler's output with the real high-resolution photo. Be strict: invented, removed or changed content (objects, letters, digits, faces, textures) is a serious fault even when the result looks sharp. Answer ONLY with the requested JSON.

Image 1 is the REFERENCE: a crop of the real high-resolution photo. Image 2 is the SAME crop taken from an AI upscaler's output; the upscaler only received a small, degraded version of the photo. What to look at in this region: {what}. Rate Image 2 against the reference and return JSON with keys: fidelity (0-10, 10 = same content as the reference, nothing invented, removed or changed), quality (0-10, sharpness and naturalness of Image 2 on its own: 10 = looks like a real high-resolution photo; blur, plastic skin, oversharpening, halos or painterly texture lower it), overall (0-10, how good a restoration of the reference this is), identity (only if the region shows a human face: 'same' | 'changed' | 'different' | 'destroyed'; otherwise 'n/a'), text (only if the reference contains readable letters or digits: 'correct' | 'partly' | 'wrong' | 'illegible'; otherwise 'n/a'), issues (a list of at most 4 short phrases naming concrete differences from the reference, or []). JSON only.

원본이 없으면 시스템 프롬프트의 “with the real high-resolution photo”를 “with the small input photo it received”로 바꾸고, 요청을 다음과 같이 시작해요. “Image 1 is the INPUT: a crop of the small photo that an AI upscaler received, enlarged by plain resizing, so it is blurry by nature (no better original exists). Image 2 is the SAME crop taken from the upscaler's output.” 키는 같고, “the reference”를 “the input”으로 바꿔요.

Qwen3.8, 얼굴. 모든 결과의 모든 얼굴에 사용해요(“overall”이 종합 점수에 반영되는 얼굴 점수예요. “same_person” = 'no'는 다른 사람으로 바뀐 얼굴이에요).

text
Three tiles of the SAME face. Image 1: the REAL face (crop of the real high-resolution photo). Image 2: the degraded small input that the upscaler received, enlarged (blurry by nature). Image 3: the AI upscaler's result for the same tile. Compare Image 3 with Image 1 and answer as JSON with keys: same_person ('yes' | 'probably' | 'no' - is it still the same person as in Image 1?), expression ('kept' | 'changed' - eyes open/shut, mouth, smile, gaze), accessories ('kept' | 'changed' | 'none' - glasses, moustache/beard, mask, hat, badge, earrings), artefacts (list from: 'none', 'melted', 'painted', 'plastic_skin', 'extra_features', 'distorted', 'blurred', 'oversharpened'), overall (0-10: how faithful and natural a reconstruction of the real face Image 3 is; 10 = indistinguishable from Image 1, 0 = a different or destroyed face), note (one short sentence). JSON only.

원본이 없으면 얼굴 평가 프롬프트에 단순 확대한 입력과 결과를 나란히 보여 주고, 입력을 기준으로 같은 질문을 해요.

전체 테스트. 원본이 없는 사진은 바이큐빅으로 확대한 입력을 기준으로 평가했고, 프롬프트에도 명시했어요. AI 이미지, 사람이 없는 사진, 실제 저화질 사진, 오래된 인화 사진의 Opus 점수는 원본 충실도와 자연스러움 두 0–10점 평가의 평균이에요. 원래부터 작은 사진은 입력을 기준으로 한 0–10점 평가 하나를 써요. 이 사진들의 Qwen3.8 확대 영역은 디테일이 가장 많은 정사각형 네 개(각 변은 사진의 짧은 변의 삼분의 일)와 가장 큰 얼굴 8개예요. Opus 5.5는 기본 테스트처럼 각 결과의 전체 이미지와 확대 영역을 봤어요.

얼굴. 4× 크기의 원본에서 SCRFD로 한 번만 찾았어요(원본이 없으면 4배 확대한 입력). 입력에서 너비가 10픽셀 이상인 모든 얼굴을 대상으로 했어요. 모든 결과에서 같은 위치를 잘라 정렬한 112 × 112 이미지를 썼어요. 얼굴 인식 모델에는 좌우 반전 평균을 적용했어요. 동일 인물 점수는 AdaFace(IR-101, WebFace12M), ArcFace(R100, Glint360K), AuraFace v1, MagFace(R100)의 평균이에요. 기본 테스트에서 MagFace는 달리기 대회 사진의 얼굴 14개에만 실행했고, 전체 테스트에서는 모든 얼굴에 실행했어요.

지표. LPIPS(AlexNet)와 CIEDE2000 색차(2-px 가우시안 흐림 적용 후)는 전체 크기에서, DISTS는 512-px 타일에서 계산했어요. A-FINE, DreamSim, DINOv2(ViT-L), TOPIQ-FR은 절반 크기 사본을 썼어요. MUSIQ, CLIP-IQA+, TOPIQ는 고정된 512-px 타일 5개의 평균이에요. MANIQA와 NIQE는 전체 이미지, eDifFIQA(L)는 잘라낸 얼굴로 계산했어요.

이 테스트의 한계
  • 도구 18종을 비교하기에 사진 16장은 작은 표본이에요. 세 도구를 비교한 사진 135장은 더 큰 표본이고요.
  • 사진과 설정마다 한 번씩만 실행했어요. 생성형 도구는 매번 다른 결과를 낼 수 있어요.
  • 기본 설정을 썼어요. 많은 도구에 원본 보존이나 창작 성향을 조절하는 슬라이더가 있어요.
  • ChatGPT와 Gemini는 정확히 4× 크기를 만들지 못했어요.
  • 원본이 없는 사진은 더 흐릿한 입력을 기준으로만 평가할 수 있어요. 평가 모델에도 알려 줬어요.
  • 종합 점수의 가중치는 저희가 선택한 값이에요. 열 가지 구성 요소 중 A-FINE은 원본보다 자연스러워 보이는 결과를 선호해서 과감하게 바꾸는 업스케일러에 유리해요. 모든 항목을 공개했으니 가중치를 바꿔 볼 수 있어요.
  • Topaz, Crystal, Recraft는 fal.ai에서, Magnific은 ComfyUI 노드에서 실행했어요. 업체 자체 앱에서는 다르게 작동할 수 있어요.
  • 얼굴 인식 모델은 각 결과를 해당 원본과만 비교했어요. 인물이 누구인지 조회하지 않았고 얼굴 데이터도 공개하지 않아요.
  • 가격과 모델은 자주 바뀌어요. 테스트는 2026년 10월 초에 실행했고, 가격은 2026년 11월 15일 기준이며, 가격 출처마다 확인 날짜를 표시했어요.
지표별 의미

위 표의 모든 열을 한곳에 정리했어요. 페이지에서 점선 밑줄이 있는 열 이름에 마우스를 올리면 해당 설명이 나와요.

종합 점수
100점 만점이에요. Opus 5.5 평가 점수가 28 %, 나머지 아홉 항목이 각각 8 %예요(Qwen3.8 점수 두 개, 동일 인물 점수, 다른 사람으로 바뀐 얼굴 비율, 얼굴 품질, LPIPS, A-FINE, MUSIQ, NIQE). 평가 모델의 0–10점에는 10을 곱해요. 그 외 항목은 기본 테스트의 도구 18종 중 최고가 100, 최저가 0이 되도록 환산해요. 테스트 방법을 참고해 주세요.
Opus 5.5 평가 점수
Anthropic의 멀티모달 LLM인 Claude Opus 5.5에 각 결과를 무작위 문자로 표시했어요. 전체 이미지와 확대 영역을 원본(없으면 입력) 옆에 보여 주고 0–10점으로 평가하게 했어요. 종합 점수의 28 %예요.
Qwen3.8, 확대 영역
대여한 H100 GPU에서 실행한 공개 멀티모달 LLM Qwen3.8-27B가 각 결과에서 디테일이 가장 많은 확대 영역을 원본과 나란히 보고 0–10점으로 평가했어요.
Qwen3.8, 얼굴
같은 모델이 잘라낸 모든 얼굴을 원본 얼굴과 나란히 보고 0–10점으로 평가하고, 여전히 같은 사람인지 답했어요.
동일 인물 점수
얼굴 인식 신경망 네 개가 구한, 결과 속 얼굴과 원본의 같은 얼굴 사이 평균 유사도예요. ArcFace(CVPR 2019, Glint360K로 학습), MagFace(CVPR 2021), AdaFace(CVPR 2022, WebFace12M으로 학습), AuraFace(2024)를 썼어요. 1은 같은 얼굴이고, 다른 사람은 대략 0–0.3이에요.
다른 사람 판정, %
Qwen3.8이 다른 사람으로 판정한 얼굴의 비율이에요.
얼굴 품질(eDifFIQA)
eDifFIQA(IEEE T-BIOM 2024)는 확산 모델 기반 얼굴 이미지 품질 점수예요. 원본 없이 얼굴이 얼마나 깨끗하고 알아보기 쉬운지 평가해요. 높을수록 좋아요.
LPIPS
Learned Perceptual Image Patch Similarity(CVPR 2018). AlexNet 신경망의 특징을 기준으로 결과와 원본 사이의 거리를 구해요. 낮을수록 비슷해요.
A-FINE
Adaptive Fidelity-Naturalness Evaluator(CVPR 2025). 결과가 원본과 얼마나 비슷한지, 얼마나 자연스러운지 평가해요. 결과가 원본보다 자연스러우면 자연스러움에 더 큰 가중치를 줘요. 낮을수록 좋아요.
MUSIQ
Multi-Scale Image Quality transformer(ICCV 2021). 원본이 필요 없는 시각적 품질 점수예요. 높을수록 좋아요.
NIQE
Natural Image Quality Evaluator(IEEE Signal Processing Letters 2013). 원본 없이 이미지의 통계적 특성이 자연스러운 사진의 특성과 얼마나 다른지 측정해요. 낮을수록 자연스러워요.
DISTS
Deep Image Structure and Texture Similarity(IEEE TPAMI 2022). 구조와 질감의 원본 유사도예요. 낮을수록 비슷해요.
DreamSim
사람의 판단을 학습한 이미지 유사도예요(NeurIPS 2023). 낮을수록 비슷해요.
DINOv2
결과와 원본 사이 DINOv2 ViT-L 특징의 유사도예요(TMLR 2024). 높을수록 비슷해요.
TOPIQ-FR
이미지의 의미부터 왜곡까지 하향식으로 평가하는 이미지 품질 신경망이에요(IEEE TIP 2024). TOPIQ-FR은 원본과 비교하고, TOPIQ는 원본 없이 평가해요. 높을수록 좋아요.
색차 ΔE
결과와 원본 사이의 CIEDE2000 색차예요. 선명도가 아닌 색을 측정하도록 2 px 흐림을 적용해요. 낮을수록 비슷해요.
MANIQA
원본이 필요 없는 이미지 품질 평가용 Multi-dimension Attention Network예요(CVPR Workshops 2022). 높을수록 좋아요.
CLIP-IQA+
CLIP 모델이 판단한 이미지의 시각적 인상이에요(AAAI 2023). 원본은 필요 없고, 높을수록 좋아요.
사진당 비용
월 100장 기준 2.7, 16, 48 MP 결과의 평균 세전 비용이에요. AI 업스케일러 가격을 참고해 주세요.
사진 137장: 출처, 라이선스, 입력

모든 사진의 출처, 라이선스, 정확히 잘라낸 영역이나 선택 영역, 시드는 photos.csv에 있어요. 유형별 입력 생성 방법은 다음과 같아요.

  • 기본 테스트(사진 16장). 전체 크기 파일에서 잘라낸 영역을 2016 × 1344(비교할 원본)로 만들고, 영역 평균으로 504 × 336으로 축소했어요. 가우시안 흐림(시그마 0.3 px), 가우시안 노이즈(255 기준 시그마 1.5, 해당 사진의 시드)를 적용한 뒤 JPEG로 두 번 저장했어요(품질 60, 다음 80; 4:2:0). 전체 테스트에는 이 중 14장을 썼어요(가격표와 Midjourney 이미지는 제외).
  • AI 이미지(16장). 사진별 프롬프트와 시드로 fal.ai의 FLUX.1 [schnell]을 실행했어요(fal-ai/flux/schnell, 4스텝, 1536 × 1152). 생성된 이미지가 원본이에요. 입력은 영역 평균으로 384 × 288로 줄인 뒤, 기본 테스트와 같은 흐림, 노이즈(같은 시드), JPEG 압축을 적용했어요.
  • 사람이 없는 사진(13장). 출처 파일의 선택 영역을 1536 × 1152(원본)로 만들고, 영역 평균으로 384 × 288로 축소했어요. 그다음 기본 테스트와 같은 흐림, 노이즈, JPEG 압축을 적용했어요.
  • 실제 저화질 사진(29장), 고해상도 원본 없음. 입력은 게시된 파일에서 영역을 잘라낸 것뿐이에요. 픽셀 크기는 그대로 두고 다른 처리는 하지 않았어요.
  • 오래된 인화 사진과 필름(19장), 깨끗한 원본 없음. 다운로드한 파일을 영역 평균(OpenCV INTER_AREA)으로 긴 변 480 px까지 축소한 것만 입력으로 썼어요.
  • 원래부터 작은 사진(44장), 고해상도 원본 없음. 게시된 그대로의 파일(Flickr 사진 37장, 2001–2007)이나 동영상의 한 프레임(웹 동영상 프레임 7개, 2005–2009)을 입력으로 썼어요. NC 또는 ND 라이선스 파일과 동영상 프레임은 재배포하지 않고 링크만 제공하며, 결과도 이 페이지에 표시하지 않아요.

출처

  1. [1]Du Chen 외. Toward Generalized Image Quality Assessment: Relaxing the Perfect Reference Quality Assumption. CVPR, 2025.
  2. [2]Dongping Chen 외. MLLM-as-a-Judge: Assessing Multimodal LLM-as-a-Judge with Vision-Language Benchmark. ICML, 2024.
  3. [3]Lianmin Zheng 외. Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena. NeurIPS Datasets and Benchmarks Track, 2023.
  4. [4]Anthropic. Introducing Claude Opus 5.5. Anthropic 발표 페이지, 2026.
  5. [5]Qwen Team. Qwen3.8-27B-FP8 (model card). Hugging Face 모델 카드(논문 없음), 2026.
  6. [6]Jia Guo 외. Sample and Computation Redistribution for Efficient Face Detection. ICLR (포스터 발표), 2022.
  7. [7]Jiankang Deng 외. ArcFace: Additive Angular Margin Loss for Deep Face Recognition. CVPR, 2019.
  8. [8]Xiang An 외. Partial FC: Training 10 Million Identities on a Single Machine. ICCV Workshops (MFR), 2021.
  9. [9]Qiang Meng 외. MagFace: A Universal Representation for Face Recognition and Quality Assessment. CVPR (구두 발표), 2021.
  10. [10]Minchul Kim, Anil K. Jain, Xiaoming Liu. AdaFace: Quality Adaptive Margin for Face Recognition. CVPR (구두 발표), 2022.
  11. [11]Zheng Zhu 외. WebFace260M: A Benchmark Unveiling the Power of Million-Scale Deep Face Recognition. CVPR, 2021.
  12. [12]fal. AuraFace (AuraFace-v1 model card). Hugging Face 모델 카드(논문 없음), 2024.
  13. [13]Žiga Babnik, Peter Peer, Vitomir Štruc. eDifFIQA: Towards Efficient Face Image Quality Assessment based on Denoising Diffusion Probabilistic Models. IEEE Transactions on Biometrics, Behavior, and Identity Science (T-BIOM), 제6권 제4호, 458–474쪽, 2024.
  14. [14]Žiga Babnik, Peter Peer, Vitomir Štruc. DifFIQA: Face Image Quality Assessment Using Denoising Diffusion Probabilistic Models. IJCB (IEEE International Joint Conference on Biometrics), 2023.
  15. [15]Richard Zhang 외. The Unreasonable Effectiveness of Deep Features as a Perceptual Metric. CVPR, 2018.
  16. [16]Keyan Ding 외. Image Quality Assessment: Unifying Structure and Texture Similarity. IEEE TPAMI, 제44권 제5호, 2567–2581쪽, 2022.
  17. [17]Stephanie Fu 외. DreamSim: Learning New Dimensions of Human Visual Similarity using Synthetic Data. NeurIPS (스포트라이트 발표), 2023.
  18. [18]Maxime Oquab 외. DINOv2: Learning Robust Visual Features without Supervision. Transactions on Machine Learning Research (TMLR), 2024.
  19. [19]Chaofeng Chen 외. TOPIQ: A Top-down Approach from Semantics to Distortions for Image Quality Assessment. IEEE Transactions on Image Processing, 제33권, 2404–2418쪽, 2024.
  20. [20]Gaurav Sharma, Wencheng Wu, Edul N. Dalal. The CIEDE2000 color-difference formula: Implementation notes, supplementary test data, and mathematical observations. Color Research & Application, 제30권 제1호, 21–30쪽, 2005.
  21. [21]Junjie Ke 외. MUSIQ: Multi-scale Image Quality Transformer. ICCV, 2021.
  22. [22]A. Mittal, R. Soundararajan, A. C. Bovik. Making a “Completely Blind” Image Quality Analyzer. IEEE Signal Processing Letters, 제20권 제3호, 209–212쪽, 2013.
  23. [23]Sidi Yang 외. MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment. CVPR Workshops (NTIRE), 2022.
  24. [24]Jianyi Wang, Kelvin C. K. Chan, Chen Change Loy. Exploring CLIP for Assessing the Look and Feel of Images. AAAI, 제37권 제2호, 2555–2563쪽, 2023.
  25. [25]Chaofeng Chen, Jiadi Mo. IQA-PyTorch: PyTorch Toolbox for Image Quality Assessment. GitHub 소프트웨어(pyiqa), 2022.
  26. [26]MegaPotato. Pricing. 자체 페이지, 확인일: 2026년 11월 15일.
  27. [27]Clarity AI. Pricing. 업체 페이지, 확인일: 2026년 11월 15일.
  28. [28]Topaz Labs. API plans and credits. 업체 페이지, 확인일: 2026년 11월 15일.
  29. [29]fal.ai. Topaz Image Upscale: Generative, Precision, Creative. 업체 페이지, 확인일: 2026년 11월 15일.
  30. [30]Topaz Labs. Pricing: Gigapixel, Topaz for Web. 업체 페이지, 2026년 11월 15일 확인.
  31. [31]Let's Enhance. Pricing. 업체 페이지, 확인일: 2026년 11월 15일.
  32. [32]Google. Gemini API pricing. 업체 페이지, 확인일: 2026년 11월 15일.
  33. [33]OpenAI. API pricing. 업체 페이지, 확인일: 2026년 11월 15일.
  34. [34]Recraft. API pricing. 업체 페이지, 확인일: 2026년 11월 15일.
  35. [35]ComfyUI 제휴 노드를 통한 Magnific: API node pricing(입력 1.3 MP 이하에서 2× 단계당 크레딧 35.91개, 3 MP 이하에서 71.82개, 6.4 MP 이하에서 107.73개; $1 = 크레딧 211개), 2026년 11월 15일 확인. Magnific 자체 요금제: Pricing, 업체 페이지, 2026년 11월 15일 확인.
  36. [36]Krea. Pricing. 업체 페이지, 2026년 11월 15일 확인.
  37. [37]Topaz Labs. Model Pricing. 개발자 문서, 확인일: 2026년 11월 15일.
  38. [38]VanceAI. Pricing. 업체 페이지, 확인일: 2026년 11월 15일.
  39. [39]Pixelcut. Pricing 및 API pricing. 업체 페이지, 확인일: 2026년 11월 15일.
  40. [40]Remini. remini.ai: 구독 요금은 앱 안에 표시돼요. 업체 페이지, 확인일: 2026년 11월 15일.
발행 · 비교, 업스케일