AI는 오래된 사진 속 ‘어디’를 찾아낼 수 있을까?

앨범을 넘기다 보면 유난히 오래 눈길이 머무는 사진이 있습니다. 아버지는 양복을 입고 서 있고, 어머니는 아이의 손을 꼭 잡고 있습니다. 사진 한쪽에는 지금은 사라진 간판이 흐릿하게 걸려 있고, 뒤편으로는 낯익은 듯 낯선 건물과 산 능선이 보입니다. “이때 우리 어디에서 찍은 거지?” 하고 물으면 가족마다 기억이 조금씩 달라집니다.

누구와 함께였는지는 선명한데, 정작 그 장소는 기억나지 않는 사진. AI는 이런 빛바랜 가족사진 속 ‘어디’를 찾아낼 수 있을까요?

간판 한 조각에서 시작되는 추적

AI가 사진 속 장소를 찾는 과정은 기억을 읽는 일이 아니라, 화면에 남은 단서를 모아 후보지를 좁혀 가는 작업에 가깝습니다.

가장 먼저 살펴볼 만한 것은 글자입니다. 간판, 역 이름, 도로 표지, 상점 전화번호처럼 장소를 직접 가리킬 수 있는 문자를 읽는 기술을 OCR이라고 합니다. 사진 속 문자를 인식해 검색 가능한 단어로 바꾸는 방식입니다.

오래된 사진이라도 간판의 일부가 남아 있다면 단서가 될 수 있습니다. 다만 흐릿한 글자를 AI가 선명하게 만들어 주었다고 해서 그 글자가 실제로 찍혀 있던 내용이라고 단정해서는 안 됩니다. 낮은 해상도나 빛 반사 때문에 보이지 않는 부분을 AI가 그럴듯하게 추정했을 가능성도 있기 때문입니다.

따라서 “○○극장”이라고 읽힌 결과는 정답이라기보다 검색해 볼 가설입니다. 원본 사진을 확대해 글자 모양을 다시 보고, 비슷한 지명이나 옛 상호를 여러 방식으로 찾아봐야 합니다. 한 글자가 ‘남’인지 ‘대’인지에 따라 검색 결과가 완전히 달라질 수 있습니다.

건물보다 풍경 전체를 본다

사진 속에 유명한 다리나 궁궐, 탑처럼 형태가 독특한 건물이 있다면 랜드마크 인식이 도움을 줄 수 있습니다. 건물의 외곽선과 창문 배열, 지붕 모양, 주변 구조물을 다른 사진과 비교해 알려진 장소인지 살펴보는 방식입니다.

하지만 가족사진의 배경은 대개 이름난 관광지가 아닙니다. 오래된 시장 입구, 동네 여관, 버스정류장, 친척 집 앞일 수도 있습니다. 이런 장소는 데이터베이스에 충분한 사진이 없거나, 이미 철거돼 AI가 알아보기 어려울 수 있습니다.

이때는 사진 전체의 분위기를 함께 봅니다. 도로가 휘어진 방향, 교차로의 모양, 전신주와 차선, 건물의 높이, 산의 능선, 하천이나 철길의 위치가 서로 맞는지 확인하는 식입니다. AI 연구에서도 사진 속 랜드마크 하나만이 아니라 도로 표시와 건축 양식, 식생, 지형 같은 여러 시각적 단서를 종합해 위치를 추정합니다.

이런 기술은 “정확히 이 주소”를 단번에 알려준다기보다 “이 도시의 어느 지역일 가능성이 있다”거나 “비슷한 장소가 몇 곳 있다”는 식으로 범위를 줄이는 데 더 적합합니다. 서로 다른 지역에 비슷한 상가와 산 풍경이 있을 수 있고, 촬영 계절과 날씨에 따라 같은 장소도 전혀 다르게 보이기 때문입니다.

지도는 과거와 현재를 함께 봐야 한다

AI가 후보지를 제시했다면 그다음부터는 사람의 확인이 중요합니다.

먼저 지도에서 도로의 곡선과 교차로, 건물 배치, 하천이나 철길의 위치를 살펴볼 수 있습니다. 현재 모습만 보면 맞지 않는 것처럼 보여도, 과거 항공사진이나 옛 거리 사진을 함께 보면 단서가 이어질 수 있습니다. 간판 이름이 바뀌었거나 건물이 철거됐고, 도로명과 행정구역이 달라진 경우도 있기 때문입니다.

거리 사진을 비교할 때는 촬영 시점도 확인해야 합니다. 오래된 가족사진이 1980년대 것이라면, 최근 거리 풍경과 건물 외관이 다르다는 이유만으로 후보지를 제외하기 어렵습니다. 현재의 건물과 사진 속 건물이 같은지 보려면 창문 배열, 모서리의 각도, 옆 건물과의 간격처럼 시간이 지나도 남기 쉬운 구조를 살펴보는 편이 낫습니다.

사진이 여러 장이라면 더 유리할 수 있습니다. 같은 날 찍은 사진에 다른 방향의 간판이나 건물이 보인다면 한 장씩 따로 분석할 때보다 장소의 윤곽을 맞추기 쉬워집니다. 가족이 기억하는 여행 순서나 방문 목적도 중요한 단서가 됩니다. “시장에 갔다가 사진관에 들렀다”는 기억은 지도 위 후보지를 연결하는 실마리가 될 수 있습니다.

사진 파일에도 흔적이 남아 있을까

디지털 사진이라면 파일 속 촬영 정보를 확인할 수도 있습니다. 이를 EXIF라고 하는데, 카메라 기종과 촬영 시각, 경우에 따라 GPS 위치가 들어 있을 수 있습니다. GPS 정보가 남아 있다면 시각적 추정보다 강력한 단서가 될 수 있습니다.

다만 이것 역시 무조건 믿을 수 있는 증거는 아닙니다. 필름을 스캔한 사진에는 원래 GPS 정보가 없고, 메신저나 SNS에 올리는 과정에서 정보가 삭제될 수도 있습니다. 파일 생성일이 실제 촬영일과 다를 수도 있으며, GPS가 기록됐더라도 카메라가 있던 위치와 사진 속 건물의 위치가 다를 수 있습니다. EXIF 정보 자체가 수정됐을 가능성도 있습니다.

오히려 빛바랜 종이사진을 스캔한 파일의 날짜를 보고 촬영일로 착각하는 일이 생길 수 있습니다. 파일이 만들어진 날과 셔터를 누른 날은 다를 수 있다는 뜻입니다. 결국 EXIF는 유용한 보조 자료이지, 장소를 확정하는 만능 열쇠는 아닙니다.

장소를 찾는 일과 공개하는 일은 다르다

AI를 이용해 가족사진의 촬영 장소를 찾는 과정에서는 개인정보도 생각해야 합니다. 사진 속 얼굴과 차량번호뿐 아니라 집 주소, 자주 다니던 병원이나 학교, 가족의 이동 경로가 드러날 수 있습니다. 원본 파일에 GPS와 촬영 시각이 남아 있다면 사진 자체보다 더 구체적인 정보가 공개될 수도 있습니다.

사진을 AI 서비스에 올리기 전에는 원본을 따로 보관하고, 공유용 파일에서는 얼굴과 민감한 배경을 가리는 것이 안전합니다. 위치정보가 필요하지 않다면 메타데이터를 삭제하는 방법도 있습니다. 특히 가족사진은 본인만의 자료가 아니라 함께 찍힌 사람들의 기록이므로, 얼굴과 장소를 공개해도 되는지 먼저 상의하는 편이 좋습니다.

결국 AI가 찾아주는 것은 ‘정답’이라기보다 새로운 질문입니다. 간판의 한 글자, 도로의 방향, 산 능선의 모양이 가족의 기억을 다시 꺼내는 출발점이 되는 것입니다. “여기가 맞다”는 결론도 AI의 한마디보다 사진 속 구조와 당시 지도, 과거 거리 풍경, 가족의 기억이 서로 맞아떨어질 때 비로소 힘을 얻습니다.

앨범 속 사진을 다시 펼쳐 보세요. 그동안 “누구와 찍었는가”만 물었던 장면에, 이제는 “우리는 그때 어디에 있었을까”라는 질문을 덧붙여 볼 수 있습니다. 어쩌면 오래된 사진 한 장이 잊고 있던 동네의 이름과, 그 시절 가족이 걸었던 길까지 다시 찾아줄지도 모릅니다.

같은 카테고리의 다른 이야기

전체 보기 →

사진 속 사람은 정말 웃고 있었을까? AI가 움직인 추억의 빈칸

할머니 레시피의 ‘한 줌’, AI는 어떻게 읽을까?

영수증 한 장으로 그날의 저녁을 알 수 있을까? AI가 읽는 장보기 기억