AI 해부

AI 그림 손가락은 왜 많거나 모자랄까

읽는 데 12분

AI가 그린 사람 그림에서 손가락을 세어 보면 여섯 개가 나오기도 한다. 그런데 결함을 표시해 모은 그림 묶음 다섯 곳 모두에서, 가장 많이 표시된 몸 부위는 손이었다. 손가락처럼 개수가 틀린 결함도 많게 틀릴 때와 모자라게 틀릴 때가 섞여 있었고, 어느 쪽이 더 많은지는 집계마다 갈렸다. 이렇게 AI가 만든 그림에서 어긋나게 그려진 자리를 결함(artifact)이라고 한다.

단순한 도형으로 그린 펼친 손 하나, 손가락 넷의 셈 표지, 그리고 새끼손가락 자리와 여섯째 자리의 빈 점선 손가락이 놓인 크림색 카드다. 왼쪽 위에는 아주 굵은 두 줄 제목 「AI 그림 손가락은 / 왜 많거나 모자랄까」가 있고 「많거나 모자랄까」만 주황색이며, 그 아래 회색 부제는 「하나 더 붙기도, 하나 모자라기도 하는 손가락」이다. 오른쪽 흰 판에는 짙은 잉크로 채운 손 실루엣이 있다. 엄지는 왼쪽 아래로 뻗고 검지·중지·약지 셋이 위로 서 있으며, 엄지 옆과 세 손가락 끝 위에 회색 동그라미 셈 표지 1·2·3·4가 붙어 있다. 약지 오른쪽 새끼손가락 자리는 속이 빈 주황 점선 테두리뿐이고, 그 바깥으로 비스듬히 하나 더 붙은 자리도 주황 점선 테두리뿐이다. 두 점선 자리 위에는 각각 주황 동그라미 「?」가 있다. 왼쪽 아래 흰 카드 둘에는 작은 주황 점선 손가락 그림과 함께 「새끼손가락 자리가 비었다」 옆에 회색 알약 「모자람」이, 「바깥에 하나 더 붙었다」 옆에 회색 알약 「많음」이 있다. 숫자 5·6, 축, 얼굴, 소품은 없다.

AI가 그린 그림 한 장을 폰에 띄워, 컵을 든 사람의 손만 두 손가락으로 벌려 크게 키운다. 컵을 감싼 손가락을 엄지부터 하나씩 센다. 다섯까지 셌는데, 컵 뒤로 손가락 하나가 더 보인다. 이런 손을 한 번이라도 본 사람이라면 「AI 그림은 왜 손가락을 6개로 그릴까」라는 물음이 떠오른다.

결함을 모아 센 연구들이 한결같이 내놓는 답은 「6개」가 아니라, 몸 부위 가운데 손이 가장 자주 틀린다는 사실이다. 손가락 여섯 개만 따로 센 표는 이 글이 읽은 문헌에 없다. 손가락 수는 많게도 모자라게도 틀리고, 몸 전체의 개수 결함으로 넓혀 센 집계들에서는 어느 쪽이 더 많은지가 갈린다. 요즘 그림에서 덜 틀린다는 측정은 있지만, 결함을 찾는 프로그램을 바꾸면 그림을 만드는 AI 프로그램, 곧 생성기 사이의 순서까지 달라진다.

결함을 모은 표마다 1위는 손이었다

AI 그림인지 가리려면 손가락부터 세라는 요령이 있다. 이 요령이 먹히는 까닭은 결함을 모은 데이터에서 먼저 보인다. 연구자들은 AI가 만든 그림에서 잘못 그려진 자리를 사람이 하나하나 표시하고, 결함마다 이름(라벨)을 붙여 시험용 묶음을 만든다. 2026년 2월 스탠퍼드대와 스냅(Snap) 연구진이 낸 ArtifactLens 논문은 이런 시험 묶음 다섯 곳에서 어떤 라벨이 가장 많이 붙었는지 한 표로 다시 셌다.

다섯 묶음 모두에서 1위는 손에 관한 라벨이었다. 라벨 이름은 묶음마다 「손」, 「이상한 손」, 「손이 통째로 없음」처럼 달랐고, 그 라벨이 붙은 이미지의 몫은 23.7%에서 63.0%까지 벌어졌다. 이 %는 그 라벨이 붙은 이미지의 비율이다. 한 이미지에 라벨이 여럿 붙기도 하고, 분모에 결함 없는 이미지까지 들어가는지는 원문에 적혀 있지 않다. 결함을 모으려고 만든 묶음 안의 구성비라서, AI 그림의 몇 %가 손을 틀린다는 뜻으로 읽으면 안 된다. 저자들은 이 결과가 예상한 대로라고 적었다.

Hand errors are clearly the dominant class. This coincides with our expectation: hands are small and with intricate details; our experience of seeing artifacts in the wild also suggests that hands are the most common issue.

(손 결함이 분명히 가장 큰 갈래다. 우리가 예상한 대로다. 손은 작고 세부가 복잡하며, 실제로 결함을 보아 온 경험으로도 손이 가장 흔한 문제였다.)

James Burgess 외(Stanford·Snap), 「ArtifactLens: Hundreds of Labels Are Enough for Artifact Detection with VLMs」, arXiv:2602.09475(2026), 부록 C.3

1위의 여유가 작은 곳도 있었다. 다섯 가운데 두 묶음은 손 라벨과 손이 아닌 최고 라벨의 % 차이가 5포인트가 안 됐다. 한 곳은 손 라벨 23.7%와 「귀가 없음」 21.1%로 2.6포인트 차이였고, 다른 한 곳은 31.8%와 「사람 몸 구조 이상」 27.1%로 4.7포인트 차이였다. 뒤의 「사람 몸 구조 이상」은 여러 부위가 섞인 라벨이다.

다섯 묶음 가운데 하나인 HAD는 생성기별로 나눠 볼 수 있다. HAD는 2024년에 나온 결함 데이터로, SDXL·DALLE-2·DALLE-3·Midjourney 네 생성기의 그림 37,554장에서 결함 자리를 상자로 표시했다. HAD 논문은 몸을 손·발·팔·다리·얼굴·몸통 여섯 부위로 나눠, 부위마다 결함 상자가 얼마나 그려졌는지 생성기별로 보였다. 네 생성기 모두에서 손이 1위였다. 이미지 100장당 손 결함 상자는 SDXL 127.55개, DALLE-2 141.06개, DALLE-3 135.39개, Midjourney 56.8개다.

1위와 2위의 거리는 생성기마다 달랐다. DALLE-2에서는 2위인 얼굴이 78.07개로, 손은 그 1.8배였다. 나머지 세 생성기에서는 손이 2위 부위의 4.8배가 넘었다. 그림 1는 HAD의 생성기별 순위와 ArtifactLens의 다섯 묶음 표를 한 장에 모았다.

크림색 카드. 두 줄 제목 「결함을 모은 묶음마다 / 가장 많이 찍힌 곳은 손이었다」에서 「손이었다」만 주황색이다. 위 칸은 「HAD(2024 · 37,554장) 상자로 표시한 결함 — 생성기 넷의 몸 부위 순위」 격자다. 행은 SDXL(25,565장)·DALLE-2(1,605장)·DALLE-3(2,419장)·Midjourney(7,965장), 열은 손·발·팔·다리·얼굴·몸통이고, 칸마다 순위 배지와 작은 회색 값이 있다. 격자 위 회색 글은 「칸 = 순위 · 작은 수 = 이미지 100장당 결함 상자(HAD 논문 그림 3 세로축 기준)」다. 맨 왼쪽 손 열 네 칸만 주황색 1위 배지이고 값은 127.55·141.06·135.39·56.8이다. DALLE-2 행의 얼굴 칸(2위 · 78.07)은 점선 테두리로 둘렸고 그 아래 회색 알약 「차이 가장 작음 · 1.8배」가 붙어 있으며, DALLE-3 몸통 칸 값은 0이다. 격자 아래 회색 글은 「원 그림은 로그 눈금이다 — 이 격자는 순위와 글자만 옮겼고, 칸 색은 값이 아니라 순위로 칠한다」다. 아래 칸은 「ArtifactLens(2026-02)가 다섯 묶음을 같은 자로 다시 센 표」로, 묶음 다섯 SynArtifact·AbHuman·HAD·AIGC-HA·MagicBench마다 「1위 라벨」·「손이 아닌 최고 라벨」·「차이」 세 칸이 있다. 1위 라벨 칸은 주황 % 값 옆에 검은 한국어 라벨, 그 아래 회색 영문 라벨이 있다: 38.6% 손 / hands · 63.0% 이상한 손 / abnormal hand · 60.0% 손(심한 결함) / hand-severe · 23.7% 손이 통째로 없음 / absent hand · 31.8% 손 구조 변형 / Hand Structure Deformity. 차이 칸은 9.1포인트·55.0포인트·45.2포인트·2.6포인트·4.7포인트이고, 2.6포인트와 4.7포인트 행에 회색 알약 「차이 작음」이 있다. HAD 행에는 「위 격자와 같은 데이터」, AIGC-HA 행에는 「생성기 칸 원문: VidProM(PIKA split)」, MagicBench 행에는 「2위 라벨은 여러 부위가 섞인 라벨」 표지가 붙어 있다. 카드 맨 아래 회색 글 세 줄은 「%는 그 라벨이 붙은 이미지의 비율(한 이미지에 라벨이 여럿 붙기도 함 · 결함 없는 이미지까지 분모에 드는지는 원문에 없음) · 100장당 상자 수는 원 그림(로그 눈금)의 글자를 읽은 값 — 어느 쪽도 AI 그림 전체의 오류율이 아니다」다.
그림 1. 위는 HAD 논문 그림 3에서 상자로 표시한 결함을 순위로 옮긴 격자, 아래는 ArtifactLens 표 5의 다섯 묶음 1위 라벨이다. %는 그 라벨이 붙은 이미지의 비율(한 이미지에 여러 라벨)이고, 100장당 상자 수는 원 그림(로그 눈금)의 글자를 읽은 값이다. 어느 쪽도 AI 그림 전체의 오류율이 아니다.

HAD의 「손」 칸에는 손가락 수 말고도 여러 결함이 함께 들어간다. 논문이 든 예에는 「the right hand has unusually long fingers with strange textures」, 곧 오른손 손가락이 유난히 길고 질감이 이상한 경우도 있다. 이 데이터에는 「손가락」 칸이 따로 없다. AI 그림을 의심할 때 손부터 보는 요령은, 결함이 가장 많이 모이는 자리부터 들여다보는 것과 같다.

손가락 수는 많게도 모자라게도 틀린다

손가락 수가 틀린 결함만 놓고 보면, 「6개」는 그 가운데 한 모양에 붙은 이름이다. 손가락이 하나 더 붙은 손이 여섯 손가락이고, 하나 빠진 손도 똑같이 개수가 틀린 손이다. 많게 틀린 손 가운데 왜 하필 하나 더 붙은 꼴이 대표 이름이 됐는지는 읽은 원문 어디에도 설명이 없다. 많게 틀린 경우와 모자라게 틀린 경우를 나눠 센 집계는 셋을 찾았다. 셋은 무엇을 하나로 셌는지, 곧 분모부터 다르고, 손가락만 따로 센 것은 그 가운데 하나다.

하나는 베이징대와 텐센트 연구진이 2025년 3월 공개한 Distortion-5K 논문이다. 연구진은 공개된 곳에서 모은 사람 그림에서 왜곡된 영역을 표시하고 유형을 나눴다. 왜곡 영역 가운데 28.2%가 많음, 13.2%가 모자람이었고, 33.0%는 표시한 사람 셋의 판단이 갈려 유형을 정하지 못했다. 여기서 많음은 손가락만이 아니라 팔·눈·발가락이 더 붙은 경우까지 포함한다. 이 집계에서는 많음 쪽이 두 배 남짓 크다.

다른 하나는 같은 저자들이 따로 공개한 묶음이다. 오픈소스 모델이 만든 이미지 4,989장으로, 논문의 이미지와는 다르고 몸 부위 이름이 없어 손가락만 따로 셀 수 없다. 표시한 사람들이 결함 자리에 찍은 점 전체를 이 글이 유형별로 다시 세어 보니, 많음 점이 12.3%, 모자람 점이 15.8%였다. 여기서는 모자람 쪽이 크다. 다만 그 유형을 표시한 사람 두 명 이상이 찍은 이미지로 세면 많음 775장, 모자람 799장으로 거의 같다.

마지막은 SalArt-VQA의 공개 데이터다. AI 학회 NeurIPS 2026에 채택된 논문의 데이터로, 2025~2026년 생성기인 Imagen 4·Midjourney·FLUX.2 [klein]으로 만든 그림 약 13,000장이 후보였다. 사람이 그 가운데 「눈에 띄는 결함」이 있는 그림을 골라 남겼다. 여기에 앞에서 본 HAD의 2024년 Midjourney 그림 30장을 더해 356장이 들어 있다.

이 가운데 손가락 개수가 틀린 그림 31장을 이 글이 설명 문장에 따라 나눠 세니, 많음이 10장, 모자람이 21장이었다. 설명 문장은 이런 식이다. 「the right hand holding the fruit appear to have extra fingers」(과일을 든 오른손에 손가락이 더 있어 보인다), 「the woman is missing a finger on her hand」(여자의 손에 손가락 하나가 없다).

세 집계를 함께 보면 방향이 한쪽으로 모이지 않는다. SalArt-VQA의 31장과 따로 공개한 묶음의 이미지 단위 셈은 방향을 말하기에 약하다. 비교적 뚜렷한 대비는 영역으로 센 논문(많음 쪽)과 점으로 센 공개 묶음(모자람 쪽) 사이 하나다. 다만 그 점은 한 사람이 한 그림에 여러 개 찍은 것이라, 서로 따로 뽑은 표본이 아니다. 세 집계의 많음과 모자람은 다음 절의 계산 그림에 띠 셋으로 함께 놓았다. 「손가락이 여섯이면 AI 그림」이라는 판별은 틀리는 방향의 한쪽만 보는 셈이다.

AI 그림 손가락을 세는 세 칸

집계들의 방향이 갈리니, 내가 본 그림에서는 어느 쪽이 많은지 직접 세어 볼 수 있다. 아래 그림의 띠는 집계마다 따로 100%로 맞췄으니, 띠끼리 길이를 견주지 말고 띠 안에서 어느 쪽이 큰지만 본다. 「셀 수 없음」은 세 집계에 같은 칸이 없어서, 내 셈 띠에만 다른 무늬로 따로 놓았다.

  1. AI 그림 몇 장에서 손이 보이는 그림을 고른다. 손마다 손가락을 세고 「많음」, 「모자람」, 「붙거나 뭉개져 셀 수 없음」 세 칸 가운데 하나에 적는다.
  2. 손이 물건을 쥐었거나 다른 손·몸에 가린 그림과, 그렇지 않은 그림을 나눠 같은 셈을 한다. 쥔 손과 가린 손이 어렵다는 것은 원문 저자들의 설명이라, 이 셈은 확인이 아니라 두 묶음끼리 견주기다.
  3. 그림 2의 세 칸에 내 셈을 넣고 세 집계와 견준다. 내 셈의 분모는 「내가 고른 그림의 손」이라, 내 셈은 세 집계와 분모가 다른 넷째 집계가 된다.
크림색 카드. 두 줄 제목 「내가 센 손가락을 / 세 집계 옆에 놓으면」에서 「세 집계 옆에」만 주황색이고, 회색 부제는 「띠는 집계마다 따로 맞춘 100% — 길이가 아니라 방향만 견준다」다. 그 아래 범례는 주황 「많음」, 검은 「모자람」, 회색 빗금 「셀 수 없음(내 셈에만)」이다. 맨 위 「내 셈 · 내가 고른 그림의 손」 띠는 아무것도 넣지 않은 기본 상태라, 점선 빈 테두리 안에 회색 글자 「아직 센 손이 없다」만 있고 그 아래에 「많음 0 · 모자람 0 · 셀 수 없음 0」이 적혀 있으며 방향 칩은 없다. 가로 점선 아래로 세 집계 띠가 있다. 「Distortion-5K 논문(그림 2b)」 띠는 주황 「많음 28.2%」와 검은 「모자람 13.2%」로 나뉘고 오른쪽 칩은 「많음 쪽이 큼」이다. 「같은 저자들이 따로 공개한 묶음 재집계」 띠는 「많음 12.3%」와 「모자람 15.8%」로 나뉘고 칩은 「모자람 쪽이 큼」이다. 「SalArt-VQA · AI가 그린 그대로의 결함 그림 재집계」 띠는 「많음 10장」과 「모자람 21장」으로 나뉘고 칩은 「모자람 쪽이 큼」이다. 띠마다 이름 아래 회색 표지가 두 줄씩 있다: 「분모: 왜곡 영역 · 몸 전체(팔·눈·발가락 포함) · 값은 % / 모은 이미지 · 저자가 철회했다고 밝힌 논문 초고」, 「분모: 표시한 사람이 찍은 점 · 몸 전체 · 값은 % / 오픈소스 모델 이미지 4,989장 · 논문과 다른 집합」, 「분모: 이미지 · 손가락만 · 값은 장 수 / 사람이 고른 결함 그림 356장 중 31장」. 카드 아래 회색 글은 「단위·표본이 서로 다르다 — 띠끼리 길이를 견주지 말고, 띠 안의 방향만 본다」와 「세 집계 어느 것도 생성한 그림 가운데 몇 %가 틀리는지(출현율)가 아니다 · 「셀 수 없음」 칸은 세 집계에 같은 칸이 없어 내 셈에만 둔다」 두 줄이다.
그림 2. 세 칸에 센 손의 수를 넣으면 「내 셈」 띠와 방향 칩이 바뀐다. 세 집계 어느 것도 생성한 그림 가운데 몇 %가 틀리는지(출현율)가 아니고, 「셀 수 없음」 칸은 세 집계에 같은 칸이 없어 내 셈에만 둔다.

왜 하필 손일까

손이 유독 자주 틀리는 까닭을 하나씩 떼어 잰 실험은 찾지 못했다. 원문 저자들이 드는 이유는 모두 설명이다. 손을 고쳐 그리는 방법을 낸 HandRefiner 논문(ACM MM 2024)은 두 가지를 원인으로 본다.

하나는 손의 구조다. 손은 관절이 16개이고 움직일 수 있는 방향이 많아서, 손이 취할 수 있는 자세는 복잡한데 손답게 보이는 자세의 범위는 좁다. 그래서 손을 그릴 때는 틀려도 되는 여지가 작다고 저자들은 적었다. 다른 하나는 손이 입체라는 점이다. 3차원 손을 평면 그림에 옮기면 손가락끼리 서로 가리기 때문에, 손 자세와 보는 각도에 따라 보이는 손가락 수와 모양이 달라진다.

HanDiffuser 논문(CVPR 2024)은 손이 그림에서 작은 자리를 차지하면서도 관절이 많이 움직인다는 점을 든다. 손은 다른 몸에 가리기도 하고, 쥐는 물건의 크기와 모양에 따라 쥐는 모양이 아주 많다. 저자들은 부탁하는 글이 손 모양을 정해 주지 않는다는 점도 짚었다. 사람들이 자연스럽게 쓰는 부탁 글은 손 자세를 「imply rather than specify」, 곧 정해 주지 않고 짐작하게 둔다고 적었다. HumanRefiner 논문(ECCV 2024)은 원인을 학습에서 찾는다. 학습이 「사람에게 손과 다리가 있다」 같은 전체 특징을 맞추는 데 쏠리고, 손가락 개수 같은 세부에는 주의를 덜 둔다는 것이다.

흔히 듣는 설명 셋은 근거가 더 약하다. 「학습 사진에 손이 가려진 게 많아서」는 가린 손이 얼마나 많은지 잰 문헌을 찾지 못했고, 논문 초록과 한국어 기사에 수치 없는 서술로만 나온다. 「손가락이 비슷하게 생겨서」와 「AI는 숫자를 못 세서」도 읽은 원문에서 근거를 찾지 못했다. 숫자를 세는 능력을 잰 시험은 부탁한 물건의 개수를 잰 것이지 손가락을 잰 것이 아니다. 세 논문의 설명은 서로 겹친다. 어느 것이 얼마나 큰 몫인지는 나눠 잰 숫자가 나올 때까지 설명으로 남는다.

요즘 그림에선 덜 틀릴까

요즘 생성기의 그림을 사람이 수천 장씩 다시 세기는 어렵다. 그래서 연구자들은 그림을 보고 결함이 있을 법한 자리에 상자를 그려 주는 프로그램을 따로 학습시켜 쓴다. 이런 프로그램을 이 글에서는 탐지기라고 부른다.

앞에서 본 HAD의 저자들은 자기 데이터로 탐지기(HADM)를 만들었다. 그리고 생성기 넷으로 그림을 255장씩 만들어 이 탐지기에 보였다. 이미지 한 장에 그린 상자 수는 SD1.4 9.98개, PixArt-Σ 1.85개, Sana 1.36개, Flux.1-dev 0.45개로, 표에 적힌 순서대로 줄었다. 이 순서는 논문 표의 행 순서이지, 출시 순서로 늘어놓은 것이 아니다. 상자는 손만이 아니라 몸 전체의 결함이다. 결함이 없는 실제 사진(300W)에서도 이 탐지기는 한 장에 0.11개를 그렸고, Flux.1-dev의 0.45개는 그 바닥의 4.09배다.

같은 표에는 다른 탐지기의 결과도 있다. 같은 그림을 HumanRefiner 탐지기로 보면 2.51개, 2.37개, 4.02개, 1.35개로, 세 번째인 Sana에서 가장 많다. 이 탐지기는 결함 없는 실제 사진에서 한 장에 13.72개를 그렸다.

HAD 저자들은 이 결과를 HumanRefiner가 처음 보는 그림에 잘 맞지 않는 탓으로 해석한다. 자기 탐지기를 내놓은 쪽이 경쟁 탐지기를 두고 한 해석이다. 마찬가지로 앞의 「줄었다」도 HAD 저자들이 자기 탐지기로 센 결과다. 그림 3는 두 탐지기의 셈을 판을 나눠 나란히 놓았다.

크림색 카드. 두 줄 제목 「결함을 찾는 프로그램을 바꾸면 / 줄어드는 순서가 달라진다」에서 「순서가 달라진다」만 주황색이고, 회색 부제는 「HAD 논문 표 3 · 생성기마다 255장 · 몸 전체 · 이미지 한 장에 그린 상자 수」다. 그 아래 회색 한 줄은 「판마다 세로 눈금이 따로다 — 두 탐지기의 상자 수는 같은 자가 아니어서 판 사이 높이는 견주지 않는다」다. 흰 판 둘이 나란히 있다. 왼쪽 판 「탐지기 HADM」은 맨 위 회색 칩 「Flux.1-dev는 실제 사진 바닥의 4.09배」 아래에 세로 눈금 0~10과 막대 넷이 SD1.4 9.98 · PixArt-Σ 1.85 · Sana 1.36 · Flux.1-dev 0.45 순으로 서 있고, 가장 낮은 Flux.1-dev 막대만 주황색이다. 바닥 가까이 가로 점선이 지나고 그 범례는 「결함 없는 실제 사진(300W) 0.11」이며, 판 아래 글은 「HADM은 HAD 저자들이 만든 탐지기」다. 오른쪽 판 「탐지기 HumanRefiner」는 칩 「결함 없는 실제 사진에서 상자를 가장 많이 그렸다」 아래에 세로 눈금 0~15와 막대 SD1.4 2.51 · PixArt-Σ 2.37 · Sana 4.02 · Flux.1-dev 1.35가 있고, 가장 높은 Sana 막대만 주황색이다. 이 판의 가로 점선(범례 「결함 없는 실제 사진(300W) 13.72」)은 네 막대보다 한참 위에 있고, 판 아래 회색 글은 「HAD 저자들은 이 결과를 이 탐지기가 처음 보는 그림에 잘 맞지 않는 탓으로 본다」다. 두 판 아래에는 화살표와 함께 「논문 표의 행 순서로 놓음」이 적혀 있고, 카드 맨 아래 회색 글은 「두 탐지기 모두 사람이 센 값이 아니고, 손만이 아니라 몸 전체의 결함 상자다. 막대는 논문 표의 행 순서로 놓았고, 출시 순서로 늘어놓은 것이 아니다.」다.
그림 3. HAD 논문 표 3의 두 탐지기 행을 판을 나눠 그렸다. 두 탐지기 모두 사람이 센 값이 아니고, 손만이 아니라 몸 전체의 결함 상자다. 막대는 논문 표의 행 순서로 놓았고, 출시 순서로 늘어놓은 것이 아니다.

또 다른 탐지기로 잰 결과도 있다. Distortion-5K 논문은 자기 탐지기(ViT-HD)로, 같은 부탁 글 500개를 받아 1024×1024 크기로 그린 네 모델의 그림을 쟀다. 결함 없다고 판정된 그림의 비율은 논문에 숫자로 적혀 있지 않아, 그림 5의 막대를 재어 읽으면 SD3.5 55%, Flux.1-dev 40%, Hunyuan 50%, Recraft 49%쯤이다. 논문 본문은 SD3.5만 50%를 넘었다고 적었다. 여기서는 Flux.1-dev가 가장 낮다. 탐지기도, 세는 단위도, 부탁 글과 모델도 달라서 이 결과는 HAD 저자들의 탐지기 셈을 반박하지도 받치지도 않는다.

손가락만 따로 잰 연도별 추세는 읽은 문헌에 없다. HAD의 표 3도 같은 생성기를 시점별로 견준 것이 아니라, 서로 다른 생성기를 한 번에 잰 것이다. 「요즘 그림은 덜 틀린다」는 탐지기 하나의 셈으로는 서지만, 어떤 탐지기로 재느냐가 답의 순서까지 바꾼다.

손가락 결함은 요즘 그림에도 남아 있다

요즘 생성기로 만든 사람 그림을 다시 확대해, 손가락을 엄지부터 센다. 손은 지금도 먼저 볼 자리다. HAD 저자들의 탐지기는 상자를 가장 적게 그린 Flux.1-dev 그림에서도 「a hand with an extra finger」, 곧 손가락이 하나 더 붙은 손을 찾아냈다. 없는 손가락을 그럴듯하게 그려 넣는 모습은, 글 쪽에서 AI가 모르는 것을 그럴듯하게 지어내는 일(AI는 왜 모른다고 안 하고 지어낼까)과 겉모습이 닮았다.

SalArt-VQA 저자들의 기록도 손을 가리킨다. Midjourney 그림을 두고 「Retained artifacts most often appeared in hands and limbs.」, 곧 골라 남긴 결함이 손과 팔다리에 가장 자주 나왔다고 적었다. 「이제 손가락 문제는 해결됐다」는 말은 어디서 왔을까. 이 글이 찾은 근거는 측정이 아니라, 기사 한 건에 실린 회사 관계자의 발언이다. 2025년 3월 서울경제 기사는 오픈AI 관계자가 「높은 강도의 스트레스 테스트에도 사람 손가락을 제대로 그려냈다」고 했다고 전했을 뿐, 잰 결과는 싣지 않았다.

그림을 고치는 쪽도 손가락을 따로 본다. Qwen 팀의 그림 AI 기술 보고서(2026년 6월)는 인물 그림에 점수를 매기는 프로그램이 「incorrect finger counts」, 곧 틀린 손가락 수를 살핀다고 적었다. 그 점수로 손이 얼마나 나아졌는지는 보고서에 수치가 없다. 그림에 점수를 매겨 AI를 다시 가르칠 때 생기는 일은 AI 단체 사진 속 같은 얼굴, 어떻게 고칠까에서 다뤘다. 한 장 안의 같은 얼굴만 막던 점수표 아래서, 같은 얼굴이 옆 사진으로 옮겨 간 이야기다.

손은 지금도 결함이 가장 먼저 찾아지는 자리지만, 손가락이 다섯이라고 사람이 그린 그림이 되는 것은 아니다. 측정이 말해 주는 것은 탐지기 하나가 요즘 생성기의 그림에 상자를 덜 그렸다는 데까지다. 세 집계에서 많음과 모자람의 방향은 갈렸고, 어느 한쪽이 더 흔하다고 말할 근거는 아직 없다. AI 그림의 손을 셀 때는 여섯째 손가락만큼 모자란 손가락도 찾는다.

이 글은 이미지, 결함 상자, 왜곡 영역, 표시한 사람이 찍은 점을 저마다 하나로 센 숫자를 함께 썼다. 세는 대상이 섞여 있으니 숫자끼리 바로 견주지 않는다. 탐지기 값은 사람이 센 것이 아니라 프로그램이 그린 상자 수다.

공개 데이터 두 개(SalArt-VQA, Distortion-5K 저자들이 따로 공개한 묶음)는 이 글이 내려받아 다시 셌다. 그림을 만들거나 읽는 AI는 한 번도 부르지 않았다. SalArt-VQA에서는 AI로 그림 일부를 다시 그리게 해 결함을 일부러 넣은 그림 119장을 셈에서 뺐다. 설명 문장 한 줄(「missing one additional finger」)은 낱말만 보면 많음 같지만 뜻이 모자람이라 모자람으로 셌다.

더 읽기