독일 법원, 저작권 사진의 AI 만화 변형이 원작을 침해하지 않는다고 판결

이번 독일 고등법원 판결의 기술적 배경은 이미지-투-이미지(image-to-image) 생성 AI의 동작 원리와 밀접하게 연결되어 있습니다. Stable Diffusion, Midjourney, DALL-E 등 최신 확산 모델(diffusion model)은 입력 이미지를 잠재 공간(latent space)으로 인코딩한 뒤, 스타일 전이(style transfer)나 ControlNet, IP-Adapter 같은 기법으로 구도·인물 배치 같은 "모티프(motif)"만 유지한 채 표현 양식을 코믹·애니메이션 스타일로 재합성합니다. 법원은 원본 사진의 저작권이 보호하는 것은 사진가의 "창작적 표현(light, angle, post-processing)"이지 피사체의 배치나 구도 자체가 아니라고 보았으며, AI가 원본의 픽셀·톤·명암 등 표현 요소를 직접 복제하지 않고 모티프만 차용했을 경우 독일 저작권법상 자유로운 이용(freie Benutzung)에 해당한다고 판단했습니다.

개발자와 엔지니어 관점에서 이 판결은 생성형 AI 제품의 출시 리스크를 상당 부분 완화하는 선례로 작용합니다. 특히 사용자 업로드 사진을 입력으로 받아 다른 스타일로 변환해 주는 서비스(프로필 사진 캐리커처, 웹툰화 서비스, AI 포스터 제작 툴 등)를 유럽 시장에 제공하려던 스타트업들은 그간 DSM 지침과 EU AI Act의 저작권 조항 때문에 법적 불확실성에 노출되어 있었습니다. 이번 판결은 "원본의 표현적 요소를 얼마나 희석하느냐"가 침해 여부의 실질적 기준이 된다는 점을 명확히 했고, 이는 img2img 파이프라인을 설계할 때 denoising strength, prompt weighting, style LoRA 적용 강도 같은 하이퍼파라미터를 "원본 표현 잔존도"를 낮추는 방향으로 튜닝해야 한다는 엔지니어링 가이드라인으로 해석될 수 있습니다.

다만 한국 개발자가 실무에 반영할 때는 몇 가지 주의점이 있습니다. 첫째, 이번 판결은 독일 한 주(州)의 고등법원 판결로 EU 전역이나 대한민국 저작권법에 직접 적용되지 않으며, 한국의 "2차적 저작물" 기준은 "실질적 유사성" 판단이라 모티프만 같아도 침해로 인정될 여지가 남아 있습니다. 둘째, 학습 데이터에 대한 권리 문제(이미 학습된 모델의 가중치에 원본이 잔존하는지)는 이번 판결에서 다루지 않았으므로 파운데이션 모델 파인튜닝 시 여전히 licensed dataset을 우선 고려해야 합니다. 셋째, 서비스 기획 단계부터 출력물에 입력 이미지의 고유한 표현 요소(조명, 색감, 후보정 스타일)가 남지 않도록 강한 스타일 변환을 강제하는 safety filter를 두고, 이용약관에 "사용자가 업로드하는 이미지에 대한 권리 귀속"을 명시하는 것이 안전합니다. 마지막으로 유럽 진출을 앞둔 팀이라면 이번 판결문(OLG, Higher Regional Court 수준)을 법무팀과 공유해 img2img 기능의 리스크 평가 문서를 업데이트해 두는 것이 권장됩니다.