생성형 AI 이미지 향상을 위한 비교 방법론 : 미드저니와 ChatGPT 활용을 중심으로
저자
발행사항
서울 : 중앙대학교 대학원, 2024
학위논문사항
학위논문(박사) -- 중앙대학교 대학원 , 디자인학과 시각디자인전공 , 2024. 2
발행연도
2024
작성언어
한국어
발행국(도시)
서울
기타서명
Comparative methodologies for generative AI image enhancement : focusing on the use of midjourney and ChatGPT
형태사항
viii, 181 p.(일부접지) : 천연색삽화, 도표 ; 26 cm
일반주기명
중앙대학교 논문은 저작권에 의해 보호받습니다
지도교수: 김희현
참고문헌수록
UCI식별코드
I804:11052-000000240698
DOI식별코드
소장기관
When I saw a generative AI draw a picture and win first place in an art competition, I wondered if I could draw better than it. I started with a vague sense of crisis, but by learning and studying it before fear, I came to the idea that AI is a partner and helper to help me.
By studying the literature on generative AI and ChatGPT, I was able to gain a comprehensive understanding of its history, principles, technology, and current status. If AI technology is considered a crisis, it is the role of the learner to learn and study it and utilize it as effectively as possible to turn the crisis into an opportunity. Following the theoretical study, this researcher explored how to use AI effectively through the experimental methodology of image comparison of generative AI.
For generative AI, we used ChatGPT3.5 and Midjourney 5 to determine the probability of success under low-level conditions, although it is possible that more recently released next-generation language models could be used to create high-quality prompts. We chose ChatGPT and Midjourney because they are the most popular and talked about. Early encounters with generative AI were astonishing in their transcendent speed and quality, but they often failed to deliver what the creator intended. As a researcher, I was spending a lot of time and getting tired of editing images produced by generative AI, so I conducted a number of comparative experiments to see if it could be used for creative or design tasks as intended. Initially focusing on the literature, we experimented with the structure of the prompts, splitting them into content and format, asking vague versus specific questions, setting the tone, and asking in persona. These experiments were very useful in helping me get a good flow to my writing and sentence construction. However, when it came to image generation, we realized that we needed more detailed and rigorous rules, so we started training generative AI models, and ran a total of five experiments.
First, prompt writing through pairing with ChatGPT. As a result of the experiment, the subjects (middle school students) said that they got positive solutions and ideas from ChatGPT's quick feedback and results, and emphasized that they were very satisfied with Midjourney's results.
Second, in the case experiment of keywords and prompts in order of importance, for the sake of fairness, the keyword mix was mechanically mixed through Naver App, and we focused on the experiment in order of importance. The results of this experiment showed that the success rate of keywords and prompts in order of importance was significantly higher than that of keywords (68.75% : 93.75%) and keywords + prompts (44.4% : 77.7%), ultimately reaching the desired goal.
Third, we analyzed the effect of short and clear instructions versus specific instructions with rich vocabulary. When analyzing the creative output generated by this study, we found that the rich vocabulary of specific instructions resulted in very satisfactory results.
Fourth, we analyzed the detailed impact of parameter usage, focusing on the accuracy of the parameters. The results of the analysis by parameter usage showed a high success rate of 100% for Image Scale, 100% for Degree of Freedom, 80% for removing unwanted elements, 80% for applying a starting point, 70% for highlighting the desired phrase, and 100% for applying a style.
Of course, there may be errors depending on the image and prompt content, but the overall success rate is very high.
In addition, we conducted an integrated study of generative AI models, which incorporated four methodologies for design applications. After analyzing the experiments collectively, we found that Experiment A had a 32.3% success rate and Experiment B had a 100% success rate, indicating the highest potential for use in design. The results showed that even when instructing an AI model on the same topic, ignoring rules and using unstructured prompts can lead to unexpected and fatal errors due to misunderstanding of the context. These results clearly demonstrate the importance of prompting and learning generative AI models, and confirm the need for further research. We hope that this study will serve as a useful reference for future generative AI image research.
생성형 AI가 그림을 그려 미술대회에서 1위를 차지하는 것을 보면서 나는 인공지능보다 더 잘 그릴 수 있을까? 이 시대적 흐름을 막을 수 없다면 나는 무엇을 어떻게 하여 살아남아야 하는가. 막연한 위기감에서 출발하였지만 두려움에 앞서 그것을 학습하고 연구함으로써 인공지능은 나를 돕는 파트너이자 조력자라는 생각에 도달하였다.
생성형 AI와 ChatGPT에 대하여 문헌연구를 통해 역사와 원리, 기술과 현황을 포괄적으로 이해할 수 있었다. 만약 AI 기술이 위기라고 생각된다면 그것을 학습하고 연구함으로써 최대한 효과적으로 활용하여 위기를 기회로 바꾸는 것이 학습자의 역할일 것이다. 본 연구자는 이론 학습에 이어 생성형 AI의 이미지 비교 실험방법론 연구를 통해 인공지능을 어떻게 효과적으로 사용해야 하는지를 활용 방법을 탐구하였다.
생성형 AI의 종류는 최근 출시된 차세대 언어 모델을 이용하면 수준 높은 프롬프트를 작성할 수 있겠으나 낮은 조건에서의 달성 확률을 확인하기 위해 ChatGPT3.5와 미드저니 5를 사용하였다. ChatGPT와 미드저니는 가장 대중적이며 화제의 중심에 있었던 AI였기에 선택하였다. 초기에 생성형 AI를 접했을 때 초월적인 속도와 완성도에 놀라움을 느꼈지만, 창작자의 의도대로 구현해 주지 못하는 경우가 많았다. 연구자는 생성형 AI가 만든 이미지 수정에 많은 시간을 할애했고 지치고 있었다. 따라서 의도한 대로 창의적인 작업 또는 디자인 작업에 사용하기 위해 여러 가지 비교실험을 하게 되었다. 처음에는 문헌을 중심으로 프롬프트의 구조를 내용과 형식으로 나누고 단조롭게 질문하기 vs 구체적으로 질문하기, 어조 설정, 페르소나로 질문하기 등을 해보았다. 이 실험은 글쓰기 및 문장 작성에 있어 큰 흐름을 잡는 데 매우 유용한 결과를 가져왔다. 그러나 이미지 생성에 있어서는 더욱 디테일하고 엄격한 규칙이 필요하다는 사실을 확인했다. 따라서 ‘생성형 AI 모델학습’을 하였고 이 실험은 총 5가지를 실험하였다.
첫째, ChatGPT와 페어링을 통한 프롬프트 작성이다.
실험 결과 피실험자(중학생)는 ChatGPT의 빠른 피드백과 결과물을 보고 긍정적인 해법과 아이디어를 얻었다고 말했고 미드저니의 결과물 역시 매우 만족스럽다고 강조했다.
둘째, 키워드와 프롬프트 중요도 순서에 따른 사례실험에서 실험의 공정성을 위해 키워드 혼합은 네이버 앱을 통해 기계적으로 혼합하였고 중요도 순서에 따른 실험에 초점을 맞추었다. 이 실험 결과, 키워드와 프롬프트의 중요도에 따라 배치하면 반영 성공률이 키워드의 경우 반영률은 무려 68.75% : 93.75%, 키워드+프롬프트 반영률은 44.4% : 77.7%로 큰 차이를 보여 궁극적으로 원하는 목표에 도달할 수 있었다.
셋째, 짧고 명확한 지시 vs 풍부한 어휘의 구체적 지시 비교 분석을 하였다. 본 연구 결과 생성된 창작 결과물을 분석해보면, 풍부한 어휘의 구체적 지시가 매우 만족도 높은 결과를 보여주었다.
넷째, 파라미터 사용에 따른 세부 영향 분석으로 파라미터의 정확도에 초점을 맞춘 실험을 하였다. 파라미터 사용에 따른 분석 결과는 이미지 비율설정은 100%, 자유도 100%, 원치 않는 요소 제거 80%, 시작점 적용 80%, 원하는 구문 강조 70%, 스타일 적용 100%의 높은 성공률을 보여주었다.
물론 이미지와 프롬프트 내용에 따라 오차가 있을 수 있으나 전체적으로 매우 높은 성공률을 보여주었다.
추가로 디자인 분야 활용 가능성을 위한 4가지 방법론을 통합한 ‘생성형 AI 모델의 통합된 연구’를 진행하였다. 이 실험을 종합적으로 분석한 결과, 실험 A는 32.3% : 실험 B 100% 성공률을 보여주어 디자인 분야에 활용 가능성이 가장 높다는 것을 확인할 수 있었다. 똑같은 주제로 AI 모델에게 지시하더라도 규칙을 무시하고 체계적이지 않은 프롬프트로 지시하면 문맥을 잘못 이해하여 예상치 못한 치명적인 오류가 발생한다는 것을 보여주는 결과였다. 이러한 결과는 '프롬프트 작성 및 생성형 AI 모델학습'이 얼마나 중요한 연구인지를 명확히 보여주는 유의미한 결과였으며 앞으로도 심층적인 연구가 필요함을 확인하였다. 본 연구를 통해 향후 생성형 AI 이미지 연구에 유용한 참고 자료가 되기를 바란다.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
| 주요 개정내역 | 변경 사유 |
|---|---|
| · 개인정보 처리 목적, 항목 및 법적 근거 수정 · 본인대상정보전송요구권 행사 방법 안내 · 개인정보 보호수준 평가 결과 추가 |
|
한국교육학술정보원은 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
목 차
제1조(개인정보의 처리 목적)
제2조(개인정보의 처리 및 보유 기간)
제3조(처리하는 개인정보의 항목)
제4조(개인정보파일 등록 현황)
제5조(개인정보의 제3자 제공)
제6조(개인정보 처리업무의 위탁)
제7조(개인정보의 파기 절차 및 방법)
제8조(정보주체와 법정대리인의 권리·의무 및 그 행사 방법)
제9조(개인정보의 안전성 확보조치)
제10조(개인정보 자동 수집 장치의 설치·운영 및 거부)
제11조(개인정보 보호책임자)
제12조(개인정보의 열람청구를 접수·처리하는 부서)
제13조(정보주체의 권익침해에 대한 구제방법)
제14조(추가적 이용·제공 판단기준)
제15조(개인정보 보호수준 평가 결과)
제16조(개인정보 처리방침의 변경)
제1조(개인정보의 처리 목적)
제2조(개인정보의 처리 및 보유 기간)
5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한
제3조(처리하는 개인정보의 항목)
제4조(개인정보파일 등록 현황)
개인정보파일 검색(privacy.go.kr)| 개인정보파일의 명칭 | 수집·이용 근거 | 수집·이용 목적 | 수집·이용 항목 | 보유·이용기간 |
|---|---|---|---|---|
| [학술연구정보 서비스 이용자 가입정보] |
「개인정보 보호법」 제15조 제1항 제4호(계약 이행) |
회원 서비스 운영 |
ID, 비밀번호, 이름, 생년월일, 신분(직업구분), 이메일, 소속분야, 보호자 성명(어린이회원), 보호자 이메일(어린이회원) |
회원탈퇴시 까지 |
| 「전자상거래 등에서의 소비자보호에 관한 법률」 제6조 및 같은 법 시행령 제6조 |
주문 및 결제 처리 |
ID, 비밀번호, 이름, 주소 |
5년 |
제5조(개인정보의 제3자 제공)
제6조(개인정보 처리업무의 위탁)
제7조(개인정보의 파기 절차 및 방법)
제8조(정보주체와 법정대리인의 권리·의무 및 그 행사 방법)
제9조(개인정보의 안전성 확보조치)
제10조(개인정보 자동 수집 장치의 설치·운영 및 거부)
제11조(개인정보 보호책임자)
| 구분 | 담당자 | 연락처 |
|---|---|---|
| KERIS 개인정보 보호책임자 | 정보보호본부 안재호 |
- 이메일 : jinuk@keris.or.kr - 전화번호 : 053-714-0158 - 팩스번호 : 053-714-0195 |
| KERIS 개인정보 보호담당자 | 개인정보보호부 송진욱 | |
| RISS 개인정보 보호책임자 | 교육학술데이터본부 정광훈 |
- 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
| RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
제12조(개인정보의 열람청구를 접수·처리하는 부서)
제13조(정보주체의 권익침해에 대한 구제방법)
제14조(추가적인 이용ㆍ제공 판단기준)
제15조(개인정보 보호수준 평가 결과)
제16조(개인정보 처리방침의 변경)
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)