Facet이란?
Facet은 웹 갤러리를 갖춘 로컬 사진 분석·선별 엔진으로, 이미지마다 점수를 매긴 뒤 결과를 탐색하고 선별하고 정리할 수 있게 합니다. README에 따르면 모든 것이 내 컴퓨터에서 실행되며 클라우드, 계정, API 키가 필요 없고, 코드는 MIT 라이선스입니다.
LICENSE 파일에는 저작권자로 Nicolas Coevoet이 적혀 있습니다. 작업은 두 도구로 나뉘는데, 명령줄에서 시작하는 스캐너와 브라우저에 갤러리를 제공하는 뷰어입니다.
입수 방법
Facet은 소스 저장소에서 Docker 또는 설치 스크립트로 설치합니다. 프로젝트는 설치 프로그램, 앱 스토어 등록, 릴리스 바이너리를 제공하지 않습니다.
옵션 | 입수 방법 |
|---|---|
| Docker(권장) | 설치 가이드: 클론, 사진 폴더 지정, docker compose up |
| Docker 없이 | 클론 후 bash install.sh를 실행하고, python facet.py와 python viewer.py를 실행(Linux, macOS) |
| 문서 | 저장소의 docs 폴더 |
| 웹사이트 | ncoevoet.github.io/facet |
| 소스 코드 | github.com/ncoevoet/facet (MIT) |
| 릴리스 | GitHub 릴리스, 릴리스 노트만 제공 |
확인한 버전은 v1.25.0이며 GitHub 릴리스에 따르면 2026년 10월 27일에 공개되었습니다. 저장소의 마지막 푸시는 2026년 10월 28일입니다. 설치에는 터미널, Git, Docker 또는 Python이 필요하므로 더블클릭으로 설치하는 방식이 아니라 개발자용 설정입니다. 프로젝트 사이트와 읽은 문서에서는 별도의 개인정보 처리방침 페이지를 찾지 못했으며, 개인정보 관련 설명은 README에 있습니다.
요구 사항
문서에 따르면 Facet은 CPU가 있는 어떤 컴퓨터에서도 실행되며, NVIDIA GPU나 메모리가 큰 Apple Silicon Mac이면 가장 강력한 모델을 쓸 수 있습니다.
프로파일
- 출처의 설명:
- legacy: CPU만, 8gb: NVIDIA 6-14 GB, 16gb: NVIDIA 14-20 GB, 24gb: NVIDIA 20 GB 이상
첫 실행 다운로드
- 출처의 설명:
- 문서에 따르면 한 번만, legacy 약 4.7 GB, 8gb 약 6.9 GB, 16gb 약 14.6 GB, 24gb 약 19.1 GB
Apple Silicon
- 출처의 설명:
- Torch 모델에 Metal 백엔드를 사용하며, auto 프로파일은 통합 메모리 총량으로 정해져 32 GB면 16gb에 도달
메모리
- 출처의 설명:
- 문서에 RAM 최소값은 없으며, 메모리 제한이 있는 컨테이너는 큰 프로파일에서 스캔 도중 종료될 수 있다고 경고
소프트웨어
- 출처의 설명:
- Docker. 수동 설치 시 Python 3.12(3.10 이상 가능)와 갤러리 빌드용 Node.js 20 이상
운영체제
- 출처의 설명:
- Windows, macOS, Linux. Windows에서는 문서가 Docker를, NVIDIA GPU에는 WSL2를 안내
사진 형식
- 출처의 설명:
- JPEG, HEIC, RAW 10종, PNG, WebP, TIFF, AVIF, JPEG XL 등
이 수치는 프로젝트 문서에서 가져온 것이며, PromptQuorum은 어떤 하드웨어에서도 스캔 시간이나 메모리 사용량을 측정하지 않았습니다.
시작하는 방법
아래 단계는 프로젝트 문서를 따른 것이며, PromptQuorum은 실행하지 않았습니다.
- 1코드를 받고 폴더 지정
Why it matters: 저장소를 클론하고 .env.example을 .env로 복사한 뒤 PHOTOS_DIR을 사진 폴더로 설정합니다. - 2Facet 시작
Why it matters: docker compose up -d를 실행합니다. NVIDIA 카드가 있으면 해당 용량용 compose 파일을 추가하거나, Docker 없이 설치 스크립트를 사용합니다. - 3스캔하고 다운로드 기다리기
Why it matters: 첫 스캔에서 프로파일에 맞는 모델을 내려받고 데이터베이스를 만들어 사진을 점수화합니다. 작업 중에도 갤러리를 둘러볼 수 있습니다. - 4갤러리를 열고 비밀번호 설정
Why it matters: 브라우저에서 뷰어를 열어 Docker 이미지가 한 번만 출력하는 edition 비밀번호로 로그인하고, 포트를 공유하기 전에 뷰어 비밀번호를 설정합니다.
주요 기능
아래 항목은 모두 프로젝트의 README 또는 문서에서 가져온 것이며, PromptQuorum은 어느 것도 테스트하지 않았습니다.
- 점수화. 사진마다 미적 품질, 구도, 얼굴 품질, 눈 선명도, 노출 등 9가지 항목을 평가하고 콘텐츠 카테고리(30개 이상)별로 가중치를 둡니다.
- 선별. 연사·유사 사진·장면 그룹, 눈 감음 표시, 거의 중복된 사진 탐지, 드라이런 미리보기가 있는 자동 선별을 지원하며 노출 브래킷과 파노라마는 한 묶음으로 유지합니다.
- 탐색. 모자이크와 격자 보기, 필터, 타임라인, 지도, 스마트 앨범을 포함한 앨범, 테마별 슬라이드쇼, "이날의 추억".
- 정리. 이름 붙인 인물과 병합 제안, 별점, 태그, 짧게 되돌릴 수 있는 일괄 작업.
- 공유와 연동. 고객 확인 모드가 있는 앨범 링크, Lightroom·darktable·digiKam용 XMP 사이드카, 휴대폰 업로드용 WebDAV 받은편지함, Immich와의 평점 동기화.
AI 기능과 실행 위치
핵심 AI는 이미지를 다룹니다. 품질 점수 모델, 검색용 임베딩, 얼굴 모델, 피사체 검출이며, 글로 된 태그·캡션·평가는 선택적 비전·언어 모델이 만듭니다.
- 품질 점수. 16gb와 24gb 프로파일은 미적 점수에 TOPIQ를 쓰고, legacy와 8gb는 미적 헤드가 붙은 CLIP 임베딩을 씁니다. 문서는 LIQE 같은 보조 평가기를 모든 프로파일에서 쓸 수 있다고 나열합니다.
- 검색. "해변의 일몰" 같은 입력을 임베딩과 대조합니다. 16gb와 24gb에서는 SigLIP 2, legacy와 8gb에서는 OpenCLIP ViT-L-14입니다.
- 얼굴. InsightFace가 얼굴을 검출·인식하고 클러스터링이 이를 인물로 묶으며, 선택적인 MediaPipe blendshapes가 눈 감음과 미소 판독을 더 정확하게 합니다.
- 피사체. BiRefNet이 피사체와 배경을 분리해 초점과 구도를 판단합니다.
- My Taste. A/B 비교, 평점, 선별 결정이 가중치 최적화기와 개인 순위에 반영됩니다.
- 비전·언어 모델. 태그·캡션·평가는 16gb와 24gb 프로파일에서는 같은 프로세스 안에서, 또는 vlm_backend로 지정한 원격 Ollama나 OpenAI 호환 서버에서 실행되며, 이 경우 이미지가 해당 서버로 전송됩니다.
데이터 흐름과 개인정보
README는 모든 것이 내 컴퓨터에서 실행되며 클라우드, 계정, API 키가 필요 없다고 하고, 문서는 스캔이 사진을 읽기만 하고 결과를 Facet 자체 데이터베이스에 기록한다고 설명합니다. 모델은 처음 사용할 때 Hugging Face, PyIQA, InsightFace 출처에서 로컬 캐시로 내려받으며, 그 이후 오프라인 동작은 PromptQuorum이 테스트하지 않았습니다.
문서와 소스 코드에서 확인한 외부 요청은 다음과 같습니다. updates.enabled가 false가 아니면 7일마다 GitHub에 최신 릴리스를 묻는 업데이트 확인, 브라우저가 OpenStreetMap 타일 서버에서 불러오는 지도 타일, 지오코더 Photon을 언급하는 GPS 편집 대화상자, 그리고 vlm_backend를 Ollama나 OpenAI 호환 서버로 설정한 경우에만 그곳으로 보내는 이미지입니다. 뷰어 스크립트는 기본적으로 모든 인터페이스에서 대기하며, viewer.password가 비어 있는 동안에는 포트에 접근할 수 있는 누구나 라이브러리를 둘러보고 원본을 내려받을 수 있습니다. MCP 어시스턴트용 엔드포인트는 기본으로 켜져 있고, 열린 설치에서는 읽기 전용 익명 키를 제공하며, viewer.mcp.enabled를 false로 하면 꺼집니다.
📌참고: 이는 프로젝트의 설명과, 문서 및 소스 코드에 대한 PromptQuorum의 해석입니다. 네트워크 트래픽은 확인하지 않았고 나머지 소스 코드도 감사하지 않았습니다.
모델 라이선스
Facet 자체 코드는 MIT 라이선스이지만, 기본으로 내려받는 모델 중 일부는 상업적 사용이 허용되지 않습니다. 프로젝트의 모델 라이선스 페이지는 pyiqa(TOPIQ, LIQE 및 기타 평가기)를 PolyForm Noncommercial 코드와 CC BY-NC-SA 가중치로, InsightFace buffalo_l 가중치를 비상업적 연구용으로만 나열합니다. GitHub API는 이 저장소의 라이선스를 인식하지 못하므로 LICENSE 파일을 직접 읽어 보시기 바랍니다.
licensing.mode를 commercial로 설정하면 Facet은 관대한 라이선스의 모델만 사용합니다. 제한된 구성 요소는 가져오거나 내려받지 않으며, 각 자리는 얼굴의 경우 YuNet과 SFace 같은 대체 모델로 연결됩니다. 표준 설치 스크립트와 Docker 이미지에는 제한된 패키지가 포함되어 있고, 상업용 설치만으로 모드가 저절로 바뀌지는 않습니다. 이 페이지는 정보일 뿐 법률 자문이 아니라고 밝힙니다.
📌참고: 업무에 Facet을 쓸 계획이라면 기본 설정에 의존하기 전에 각 모델의 라이선스를 직접 확인하시기 바랍니다.
이런 분께 적합합니다
- 큰 라이브러리를 가진 사진가로, 편집 전에 연사, 눈 감은 사진, 거의 중복된 사진을 정리하고 싶은 분.
- 셀프 호스팅 사용자로, 자연어 검색과 얼굴 묶기를 갖춘 비공개 갤러리를 원하고 Docker가 익숙한 분.
- Lightroom, darktable, digiKam 사용자로, 점수와 선별 결과를 표준 사이드카 파일로 다시 받고 싶은 분.
확인하지 못한 사항
- AI 품질. 점수 정확도, 얼굴 묶기, 검색 적합도, 스캔 속도는 테스트하지 않았으며, README 자체도 미적 점수를 근사치라고 합니다.
- 오프라인 사용. 첫 모델 다운로드 이후 Facet이 완전히 오프라인으로 동작하는지는 확인하지 못했습니다.
- 릴리스 안정성. v1.23.1 노트에 따르면 v1.23.0은 CUDA Docker 이미지 없이 배포되었고, 2026년 10월 24일부터 27일 사이에 세 버전이 나왔으므로 변경이 빠르다는 점에 유의하십시오.
- 지원. README는 상업용 선별 도구 같은 지원이 없는 1인 개발 프로젝트라고 설명합니다.
- 설치 단계. 설정 명령은 문서에서 가져온 것이며 PromptQuorum이 실행하지 않았습니다.
경쟁 제품과 대안
디렉터리에는 같은 분야에서 리뷰된 사진·이미지 라이브러리 도구가 세 가지 더 있습니다.
Immich
- 플랫폼:
- 서버(Docker), iOS, Android, 브라우저
- 가격 / 라이선스:
- 무료 / AGPL-3.0
- 핵심 차이점:
- 휴대폰 백업과 검색. Facet README에 따르면 Facet은 품질 점수화와 선별을 더하고 평점을 Immich와 동기화할 수 있음
Immich 관련 문서 (1개)
- Immich Review: Self-Hosted Photo Library with Smart Search업데이트 2026년 10월 26일
PhotoPrism
- 플랫폼:
- 서버(Docker), 브라우저
- 가격 / 라이선스:
- 무료 Community / AGPL-3.0
- 핵심 차이점:
- AI를 갖춘 셀프 호스팅 사진 라이브러리. Facet README는 Immich와 함께 정리·검색·백업 도구로 분류
PhotoPrism 관련 문서 (1개)
- PhotoPrism Review: Self-Hosted AI Photo Library for Your Server업데이트 2026년 10월 24일
PixlStash
- 플랫폼:
- Windows·macOS·Linux 데스크톱 앱, 웹
- 가격 / 라이선스:
- 무료 / GPL-3.0
- 핵심 차이점:
- 로컬 태깅, 캡션, ComfyUI 연동을 갖춘 이미지 라이브러리이며 데스크톱 앱으로 설치
PixlStash 관련 문서 (1개)
각 앱의 최신 가격, 라이선스, 지원 플랫폼은 해당 앱 페이지에서 확인하십시오.
자주 묻는 질문
Facet에 GPU가 필요한가요?
아니요. legacy 프로파일은 점수화, 얼굴, 태그, 선별, 갤러리를 CPU에서 실행하며 속도만 느립니다. TOPIQ, SigLIP 2, 내장 캡션에는 NVIDIA 16gb 또는 24gb 프로파일이 필요하고, vlm_backend를 원격 서버로 지정하면 예외입니다.
Facet이 내 사진을 바꾸거나 삭제하나요?
문서에 따르면 스캔은 사진을 읽기만 합니다. 평점과 키워드를 파일에 쓰는 것은 별도의 선택 작업이며, 거부한 사진을 휴지통으로 옮기는 기능은 viewer.cull.allow_trash가 켜져 있을 때만 동작합니다.
휴대폰에서 Facet을 쓸 수 있나요?
네이티브 앱은 없습니다. 갤러리는 반응형이며 설치할 수 있는 웹 앱이고, 문서에는 PhotoSync나 WebDAV 앱으로 감시되는 받은편지함에 업로드하는 방법이 설명되어 있습니다.
Facet을 상업적으로 쓰려면 어떻게 하나요?
상업용 빌드를 설치하고 licensing.mode를 commercial로 설정한 뒤, 현재 적용된 라이선스 상태를 보여 주는 doctor 명령을 실행하고 모델 라이선스 페이지를 읽으십시오.
갤러리를 비공개로 유지하려면 어떻게 하나요?
viewer.password를 설정하고 뷰어를 HTTPS가 적용된 리버스 프록시 뒤에 두십시오. 배포 문서에 nginx와 Caddy 예시가 있습니다.
결론
Facet은 큰 로컬 사진 라이브러리를 점수화·선별·탐색할 수 있는 무료이고 활발히 업데이트되는 방법으로, 얼굴 묶기와 자연어 검색이 내 컴퓨터에서 실행됩니다. 반면 설치에는 터미널과 첫 실행 시 큰 모델 다운로드가 필요하고, 프로젝트의 라이선스 페이지에 따르면 기본 모델 가중치 일부는 상업적 사용이 허용되지 않으며, 문서에 따르면 뷰어는 비밀번호를 설정하기 전까지 열려 있고, 선택 기능 하나는 이미지를 원격 서버로 보낼 수 있으며, AI 품질에 관한 주장은 여기서 확인할 수 없었습니다. Docker가 익숙한 사진가와 셀프 호스팅 사용자에게 적합하며, 더블클릭으로 쓰는 앱이나 LLM 어시스턴트를 찾는 분은 다른 선택지를 살펴보시기 바랍니다.
출처
- Facet 웹사이트: 기능 개요와 빠른 시작, 2026년 10월 28일 확인.
- Facet README: 기능, 요구 사항, 라이선스, 비교, 2026년 10월 28일 확인.
- Facet 문서: 설치, 설정, 배포, AI 에이전트 페이지, 2026년 10월 28일 확인.
- 서드파티 모델과 라이선스: 모델별 라이선스, 2026년 10월 28일 확인.
- GitHub의 Facet: 릴리스와 커밋 활동, 2026년 10월 28일 확인.