← 블로그 목록으로 · 2026.09.02
Confidence Score 읽는 법: 태그 옆 숫자는 무슨 의미인가
AnimeTag-AI에서 이미지를 분석하면 1girl 0.99, bangs 0.63처럼 태그마다
0~1 사이의 숫자가 따라붙습니다. 이 숫자를 Confidence Score(신뢰도 점수)라고 부르는데, 막연히
"높으면 좋은 거겠지"로 넘어가는 경우가 많습니다. 실제로 이 점수가 어떻게 계산되고, 어떻게
읽어야 실수를 줄일 수 있는지 정리했습니다.
Confidence Score는 무엇을 예측한 값인가
Confidence Score는 "이 이미지 전체에서 이 태그가 몇 % 확실한가"가 아니라, "이 태그가 이미지에 존재할 가능성이 얼마나 되는가"를 태그 하나하나에 대해 독립적으로 계산한 값입니다. AI 태거 모델은 이미지를 입력받아 수천 개의 태그 각각에 대해 "있다/없다"를 이진 판단하는 방식으로 학습되어 있어서, 하나의 태그 점수가 다른 태그 점수에 직접 영향을 주지 않습니다.
태그마다 독립적으로 계산됩니다
이 부분이 가장 자주 오해되는 지점입니다. 예를 들어 1girl 0.99와
black_hair 0.95가 동시에 나왔다고 해서 점수가 서로 나눠 가진 것이 아닙니다. 두
태그 모두 100%에 가깝게 "있다"고 각각 독립적으로 판단된 것뿐이며, 이론적으로는 이미지 하나에
0.9 이상인 태그가 20개, 30개 나와도 전혀 이상하지 않습니다. General/Character 태그 점수를
다 더해도 1이 되지 않는 이유가 여기에 있습니다.
Rating 점수는 성격이 다릅니다
General/Character 태그가 "각 태그가 있는지 없는지"를 따로따로 판단하는 것과 달리, Rating(General /Sensitive/Questionable/Explicit)은 애초에 넷 중 하나로 수렴하는 단일 분류 문제에 가깝습니다. 그래서 네 배지의 점수는 대략 하나의 분포처럼 움직이고, 화면에서 가장 진하게 강조되는 배지("top")는 그 분포에서 가장 가능성이 높다고 판단된 등급입니다.
다만 top 배지 하나만 보고 넘어가면 놓치는 정보가 있습니다. 예를 들어 top이 General이더라도 Questionable 점수가 낮지 않게 붙어 있다면, 그 이미지는 두 등급의 경계에 걸쳐 있다는 뜻입니다. 콘텐츠를 안전하게 필터링해야 하는 상황이라면 top 배지만 보지 말고 Questionable·Explicit 점수 자체를 함께 확인하는 편이 안전합니다. 점수 구간별로 어떻게 해석하면 좋은지는 AI 이미지 태거 모델 가이드의 Confidence Score 표에서 확인할 수 있습니다.
같은 이미지, 다른 목적이면 다르게 읽어야 합니다
General/Character 태그가 여러 개 동시에 독립적으로 판단된다는 점은, 태그를 "골라 쓰는" 상황에서 실질적인 의미를 갖습니다. 예를 들어 LoRA 캡션을 만들 때는 점수가 낮아도 이미지와 맞는 태그라면 Threshold를 낮춰 최대한 넓게 뽑은 뒤 사람이 골라내는 편이 유리하고, 검색 키워드처럼 정확도가 중요한 상황에서는 반대로 Threshold를 높여 확실한 태그만 남기는 편이 유리합니다. 같은 점수라도 "얼마나 많은 태그를 남길 것인가"의 기준은 목적에 따라 달라진다는 뜻입니다. 목적별 권장값은 Threshold 값은 얼마로 설정해야 할까? 글에서 더 자세히 다룹니다.
점수가 높아도 틀릴 수 있습니다
Confidence Score는 확률이지 정답 보증서가 아닙니다. 특이한 화풍, 낮은 해상도, 여러 인물이 겹친 구도에서는 점수가 높아도 실제로는 틀린 태그가 섞여 나올 수 있습니다. AnimeTag-AI에서는 태그 칩을 클릭하면 즉시 제거되므로, 점수와 무관하게 이미지와 맞지 않는 태그는 직접 지우고 쓰는 것이 가장 정확합니다. 태그가 왜 틀리는지, 정확도를 어떻게 높이는지는 AI 이미지 태거가 틀리는 이유와 정확도를 높이는 방법에서 더 다룹니다.
결국 Confidence Score는 "사람이 판단할 시간을 줄여주는 힌트"입니다. 숫자 자체보다 숫자가 만들어진 방식을 이해하면, 어떤 태그를 믿고 어떤 태그를 의심해야 할지 훨씬 빠르게 감이 잡힙니다. AnimeTag-AI에 이미지를 올려서 직접 점수 분포를 확인해보세요.