메타데이터에 대하여
메타데이터는 데이터를 설명하기 위한 데이터다.
이미지 파일 하나에는 시각적 정보가 담겨 있지만, 그 이미지가 언제 만들어졌는지, 무엇을 참고했는지, 어떤 과정을 거쳤는지는 이미지 안에 존재하지 않는다. 그것을 별도로 기록한 것이 메타데이터다.
나는 오랫동안 메타데이터를 작품의 설명이라고 생각했다. 제목과 제작 연도, 재료 정도만 기록하면 충분하다고 생각했다. 그러나 생성형 AI를 사용하고 LoRA 학습을 반복하면서 그것만으로는 부족하다는 사실을 알게 되었다.
사람은 그림을 볼 때 화면에 드러나지 않은 정보도 함께 읽는다. 제작 방식이나 경험, 문화적 맥락을 바탕으로 의미를 추론할 수 있기 때문이다. 그러나 기계는 그렇지 않다. 이미지는 이미지로, 텍스트는 텍스트로 존재할 뿐이며, 둘 사이의 관계는 사람이 기록하지 않으면 남지 않는다.
그 경험은 메타데이터를 바라보는 방식에도 변화를 가져왔다. 메타데이터는 작품을 해석하기 위한 문장이 아니라, 작품을 기록하기 위한 구조라고 생각하게 되었다.
그래서 가능한 한 사실과 해석을 구분하려고 했다.
제작 연도와 재료, 크기, 제작 과정, 다른 작품과의 연결 관계처럼 확인할 수 있는 정보는 객관적인 사실로 기록하였다. 반면 작품이 전달하는 감정이나 조형적 특징은 하나의 해석으로 분리하여 남겼다. 관객의 해석은 언제나 열려 있어야 한다고 생각했기 때문이다.
기록 형식으로는 YAML을 선택하였다.
YAML은 텍스트 기반의 데이터 저장 형식이다. 프로그래밍 언어가 아니라 정보를 구조화하는 방식에 가깝다. 하나의 작품 정보는 다음과 같이 기록된다.
id: "00773" title: ko: "산세 드로잉" period: production: "2021" medium: "ink_on_paper"
별도의 프로그램 없이 메모장으로도 열어서 읽을 수 있다. 사람이 읽기 쉬우면서도 기계가 구조적으로 해석할 수 있고, 이미지마다 동일한 구조를 유지할 수 있으며, 새로운 항목을 추가하거나 수정하는 것도 비교적 용이하다. 형식이 단순할수록 오래 살아남는다는 판단도 있었다.
제목은 바뀔 수 있고, 같은 제목을 가진 작품도 존재할 수 있다. 그래서 모든 이미지에는 고유 ID를 부여하였다. ID는 하나의 이미지를 변하지 않는 식별 기준이 된다. 이 번호를 중심으로 메타데이터와 제작 과정, 다른 작품과의 관계를 연결할 수 있도록 설계하였다.
메타데이터를 작성하면서 가장 중요하게 생각한 것은 일관성이었다.
같은 정보는 항상 같은 방식으로 기록하려고 했다. 제목의 표기 방식, 재료의 명칭, 크기의 단위, 메타데이터의 순서까지 가능한 한 동일한 규칙을 유지하였다. 사람은 작은 차이를 자연스럽게 이해할 수 있지만, 기계는 그렇지 않기 때문이다.
이 과정에서 AI 역시 하나의 도구로 활용되었다.
작품 간의 관계를 설정하거나 계보를 결정하는 일은 모두 내가 직접 수행하였다. AI는 다국어 번역과 문장 정리, 메타데이터 구조화를 돕는 보조 도구로 사용되었다. 메타데이터 검수도 직접 수행하였다. YAML 파싱 오류 확인, JSON 변환 검증, UTF-8 인코딩 점검, 파일명과 ID의 일치 여부 확인, 손상된 메타데이터 복원까지 모두 수작업으로 이루어졌다. 한마디로 데이터가 제대로 읽히는지를 하나씩 직접 확인하는 작업이다. 이 과정은 지금도 업데이트할 때마다 반복된다.
따라서 이 아카이브의 메타데이터는 자동으로 생성된 결과가 아니다. 작가의 판단과 기록 위에 AI의 도움을 더해 구축한 인간과 기계의 협업 기록에 가깝다.
시간이 지날수록 메타데이터는 작품의 부속물이 아니라 아카이브를 구성하는 하나의 축이 되었다.
다만 이 작업이 가능했던 것은 AI 기술의 발전 덕분이기도 하다. 나는 이 과정에서 사용한 모든 공학적 개념을 완전히 이해하고 있는 것은 아니다. YAML 파싱이 어떤 과정을 거치는지, 기계가 데이터를 읽는 내부 원리까지 깊이 이해하며 작업한 것도 아니다. 지금도 그렇고 앞으로도 그 방향으로 깊이 들어갈 생각은 없다. 나에게는 이해보다 필요가 먼저였다. 기계가 읽을 수 있어야 한다는 판단이 있었고, 그 판단을 실행하는 과정에서 필요한 만큼만 배우며 작업을 이어 왔다.
메타데이터는 작품 옆에 붙는 설명이 아니다.
작품이 존재하는 방식 그 자체다.
메타데이터 예시 (YAML)
https://huggingface.co/datasets/eastbrush/eastbrush_archive/blob/main/02_main/00001.txt
20260702
On Metadata
Metadata is data that describes data.
A single image file carries visual information, but when the image was made, what it referenced, what process it went through — none of that exists inside the image itself. Metadata is what records that separately.
For a long time, I thought of metadata as simply a description of a work. I assumed it was enough to record the title, the year it was made, and the materials used. But as I worked with generative AI and repeated LoRA training, I came to realize that wasn't enough.
When a person looks at a painting, they also read information that isn't directly shown on the surface. They can infer meaning based on technique, experience, and cultural context. A machine can't do that. An image exists only as an image, text only as text, and the relationship between the two doesn't survive unless a person records it.
That experience also changed how I thought about metadata. I came to see metadata not as a sentence meant to interpret a work, but as a structure meant to record it.
So I tried, as much as possible, to keep fact and interpretation separate.
Information that can be confirmed — the year of production, materials, dimensions, the production process, connections to other works — I recorded as objective fact. The emotion a work conveys, or its formal characteristics, I separated out and kept as interpretation instead. I felt that the viewer's own interpretation should always remain open.
For the recording format, I chose YAML.
YAML is a text-based data storage format. It's closer to a way of structuring information than a programming language. A single piece of work information is recorded like this:
id: "00773" title: ko: "산세 드로잉" period: production: "2021" medium: "ink_on_paper"
It can be opened and read even with a plain text editor, with no special program required. It's easy for a person to read while still being structurally interpretable by a machine, the same structure can be maintained across every image, and adding or modifying entries is relatively easy. There was also a judgment behind it: the simpler the format, the longer it tends to survive.
A title can change, and more than one work can share the same title. So I gave every image a unique ID. An ID becomes an unchanging point of identification for a single image. I designed it so that metadata, the production process, and relationships with other works could all be connected around that number.
As I wrote the metadata, the thing I considered most important was consistency.
I tried to record the same kind of information the same way, every time — the way titles were notated, the names of materials, the units used for size, even the order of the metadata fields, all kept to the same rules as much as possible. A person can naturally understand small inconsistencies. A machine can't.
In this process, AI was also used as one tool among others.
Setting the relationships between works, or determining lineage, was something I always carried out myself. AI was used as a supporting tool to help with multilingual translation, cleaning up sentences, and structuring metadata. Reviewing the metadata was also something I did myself. Checking for YAML parsing errors, verifying JSON conversion, checking UTF-8 encoding, confirming that file names matched their IDs, even restoring damaged metadata — all of it was done by hand. In short, it's the work of checking, one by one, whether the data is actually being read correctly. This process still repeats with every update, even now.
So the metadata in this archive isn't something automatically generated. It's closer to a record of collaboration between a human and a machine — built on top of the artist's own judgment and record-keeping, with AI's help added on.
As time went on, metadata stopped being an accessory to the work and became one of the pillars the archive itself is built on.
That said, this work was only possible thanks to the advances in AI technology. I don't fully understand every engineering concept used in this process. I haven't worked with a deep understanding of how YAML parsing actually happens, or the internal principles behind how a machine reads data. I don't now, and I don't plan to go deeper into that direction going forward either. For me, necessity came before understanding. I had the judgment that the data needed to be machine-readable, and in the process of carrying that judgment out, I kept learning only as much as I needed, and kept the work going.
Metadata isn't a caption attached beside a work.
It's the very way a work exists.
Example Metadata (YAML)
https://huggingface.co/datasets/eastbrush/eastbrush_archive/blob/main/02_main/00001.txt
20260702
关于元数据
元数据，是为了说明数据而存在的数据。
一张图像文件本身承载着视觉信息，但这张图像是何时制作的、参考了什么、经历了怎样的过程——这些都不存在于图像本身之中。把这些另行记录下来，就是元数据。
很长一段时间里，我都把元数据理解为作品的说明文字，以为只要记录标题、创作年代、材料这些信息就足够了。但在使用生成式AI、反复进行LoRA训练之后，我才意识到，仅靠这些远远不够。
人在看一幅画的时候，会同时读出那些没有直接显现在画面上的信息——因为人可以依据创作方式、经验和文化语境去推断意义。但机器并非如此。图像只是图像，文本只是文本，二者之间的关系，如果人不把它记录下来，就不会留存。
这段经历也改变了我看待元数据的方式。我开始认为，元数据不是用来解释作品的文字，而是用来记录作品的结构。
因此，我尽可能地把"事实"与"解释"区分开来。
像制作年代、材料、尺寸、制作过程、与其他作品的关联关系这类可以确认的信息，我作为客观事实记录下来。而作品所传达的情感，或者造型上的特征，我则将其单独分离出来，作为一种"解释"留存。因为我认为，观者的解读应该永远保持开放。
记录格式上，我选择了YAML。
YAML是一种基于文本的数据存储格式。与其说它是一种编程语言，不如说更接近于一种结构化信息的方式。一件作品的信息，大致以如下方式记录：
id: "00773" title: ko: "산세 드로잉" period: production: "2021" medium: "ink_on_paper"
不需要任何专门的程序，仅用记事本也能打开阅读。它既方便人阅读，也能让机器进行结构化解析；每一张图像都可以维持相同的结构，新增或修改条目也相对容易。我也判断，格式越简单，越能长久存续下来。
标题是可以更改的，也可能存在标题相同的不同作品。因此，我为每一张图像都赋予了唯一的ID。ID成为一张图像不会改变的识别基准。我以这个编号为中心，设计了元数据、制作过程与其他作品之间关系的连接方式。
在撰写元数据的过程中，我认为最重要的是一致性。
相同的信息，我都尽量以同样的方式去记录——标题的标注方式、材料的名称、尺寸的单位，甚至元数据的排列顺序，都尽可能保持统一的规则。因为人能够自然地理解细微的差异，但机器不能。
在这个过程中，AI也被作为一种工具加以利用。
设定作品之间的关系，或决定谱系，这些工作全都是由我亲自完成的。AI则被用作辅助工具，帮助进行多语种翻译、文句整理以及元数据结构化方面的工作。元数据的检查，也都是我亲自进行的。YAML解析错误的确认、JSON转换的验证、UTF-8编码的检查、文件名与ID是否一致的核对，甚至损坏元数据的修复，全部都是手工完成的。简单来说，这是一项逐一确认数据是否能够被正确读取的工作。这个过程，即使到现在，每次更新时仍会重复进行。
因此，这个档案库中的元数据，并不是自动生成的结果。它更接近于一份在作者自身的判断与记录之上、辅以AI协助而构建出来的"人机协作记录"。
随着时间推移，元数据不再只是作品的附属品，而成为了构成这个档案库的一根支柱。
不过，这项工作之所以能够实现，也得益于AI技术的发展。在这个过程中所用到的全部工程学概念，我并非完全理解。YAML解析究竟经历怎样的过程、机器读取数据的内部原理究竟是什么，我也并非带着深入的理解去进行这项工作的。现在如此，未来我也不打算朝那个方向深入下去。对我来说，"需要"先于"理解"。我有的，是机器必须能够读取这一判断，而在执行这一判断的过程中，我只学习了刚好够用的部分，并由此持续推进这项工作。
元数据不是贴在作品旁边的说明文字。
它就是作品存在方式的本身。
元数据示例（YAML）
https://huggingface.co/datasets/eastbrush/eastbrush_archive/blob/main/02_main/00001.txt
20260702
メタデータについて
メタデータとは、データを説明するためのデータである。
ひとつの画像ファイルには視覚的な情報が含まれているが、その画像がいつ作られたのか、何を参考にしたのか、どのような過程を経たのかは、画像そのものの中には存在しない。それを別途記録したものがメタデータである。
私は長い間、メタデータを作品の説明だと考えていた。タイトルと制作年、材料くらいを記録すれば十分だと思っていた。しかし生成AIを使い、LoRA学習を繰り返すうちに、それだけでは不十分だという事実に気づいた。
人は絵を見るとき、画面に表れていない情報も一緒に読み取る。制作方法や経験、文化的な文脈をもとに意味を推し量ることができるからだ。しかし機械はそうではない。画像は画像として、テキストはテキストとしてしか存在せず、その両者の関係は、人が記録しなければ残らない。
その経験は、メタデータを見る視点にも変化をもたらした。メタデータは作品を解釈するための文章ではなく、作品を記録するための構造だと考えるようになった。
そこで、できる限り事実と解釈を区別しようとした。
制作年や材料、サイズ、制作過程、他の作品との連結関係のように確認できる情報は、客観的な事実として記録した。一方で、作品が伝える感情や造形的な特徴は、ひとつの解釈として分けて残した。観る人の解釈は、常に開かれていなければならないと考えたからだ。
記録形式としては、YAMLを選んだ。
YAMLはテキストベースのデータ保存形式である。プログラミング言語というよりは、情報を構造化する方法に近い。ひとつの作品の情報は、次のように記録される。
id: "00773" title: ko: "산세 드로잉" period: production: "2021" medium: "ink_on_paper"
専用のプログラムがなくても、メモ帳でも開いて読むことができる。人が読みやすく、かつ機械が構造的に解析できるうえ、画像ごとに同じ構造を維持できるし、新しい項目を追加したり修正したりするのも比較的容易だ。形式が単純であるほど長く残るという判断もあった。
タイトルは変わることもあり、同じタイトルを持つ作品が存在することもある。そこで、すべての画像に固有のIDを付与した。IDは、ひとつの画像にとって変わらない識別の基準となる。この番号を中心に、メタデータと制作過程、他の作品との関係をつなげられるように設計した。
メタデータを作成する中で、最も重要だと考えたのは一貫性だった。
同じ情報は、常に同じ方法で記録しようとした。タイトルの表記方法、材料の名称、サイズの単位、メタデータの順序まで、できる限り同じ規則を保つようにした。人は小さな違いを自然に理解できるが、機械はそうではないからだ。
この過程で、AIもひとつの道具として活用された。
作品同士の関係を設定したり、系譜を決定したりする作業は、すべて自分自身で行った。AIは多言語翻訳や文章整理、メタデータの構造化を助ける補助的な道具として使用した。メタデータの検収も自分自身で行った。YAMLのパースエラーの確認、JSON変換の検証、UTF-8エンコーディングの点検、ファイル名とIDの一致確認、損傷したメタデータの復元まで、すべて手作業で行った。一言で言えば、データが正しく読み取れるかどうかを、ひとつひとつ自分の手で確認する作業である。この過程は、今も更新のたびに繰り返されている。
したがって、このアーカイブのメタデータは、自動生成された結果ではない。作家自身の判断と記録の上に、AIの助けを加えて構築した、人間と機械の協働の記録に近い。
時間が経つにつれて、メタデータは作品の付属物ではなく、アーカイブを構成するひとつの軸となった。
ただし、この作業が可能だったのは、AI技術の発展のおかげでもある。私はこの過程で使用したすべての工学的概念を完全に理解しているわけではない。YAMLのパースがどのような過程を経るのか、機械がデータを読み取る内部の原理まで深く理解して作業したわけでもない。今もそうであり、今後もその方向に深く入っていくつもりはない。私にとっては、理解より必要のほうが先だった。機械が読み取れなければならないという判断があり、その判断を実行する過程で、必要な分だけ学びながら作業を続けてきた。
メタデータは作品の横に付くキャプションではない。
作品が存在する、その方法そのものである。
メタデータの例（YAML）
https://huggingface.co/datasets/eastbrush/eastbrush_archive/blob/main/02_main/00001.txt
20260702