KCI등재
이미지생성 인공지능의 유형 및 이미지 활용 분석 - 이미지 전이, 변형, 확장 대표사례 중심으로 - = Types of Image Generative AI and Image Analysis - Focus on Representative Cases of Image Transfer, Translation and Extension -
저자
발행기관
학술지명
한국공간디자인학회논문집(Journal of the Korea Institute of the Spatial Design)
권호사항
발행연도
2023
작성언어
-주제어
KDC
600
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
647-655(9쪽)
제공처
(연구 배경 및 목적) 최근 이미지생성 인공지능(AI)은 디지털 아트 분야에서 높은 관심을 받고 있다. 미국에서 열린 한 미술전에서 인공지능이 생성한 그림이 우승을 차지하면서 논란이 일고 있다. 하지만 이미지생성 인공지능에 대한 연구는 여전히 제한적이며 콘텐츠 개발과 같은 기술적인 측면에 주로 중점을 두고 있다. 이에 본 연구는 현재 사용이 가능한 온라인 플랫폼에서 이미지생성 인공지능의 유형을 살펴보고 활용 방안을 분석하여 향후 이미지생성 인공지능의 활용 방법에 대한 기초자료를 제공하고 활용 방향을 제시하는데 목적이 있다. (연구 방법) 본 연구는 먼저 문헌 조사를 통해 뉴럴네트워크 딥러닝(Neural Network Deep Learning) 의 개념과 이미지 생성 인공지능의 유형 및 활용 사례를 고찰한 다음, 이미지생성 인공지능의 유형별 대표 사례를 찾아 활용적 특성을 분석한다. 대표 사례는 2022년 10월 31일 기준으로 온라인에서 사용 가능한 이미지생성 인공지능 중 전이, 변형, 확장의 사례가 명확한 인공지능을 사례분석 대상으로 선정하였다. 대표 사례의 활용적 분석을 위해서는 입력 방법, 이미지 스타일, 샘플 제안, 그리고 활용 총 4가지 세부 정보를 척도로 활용했다. 이후 각 대표 사례에 세부 척도를 대입해 특성을 분석한다. (결과) 첫째, 이미지 생성 인공지능 이미지 전이 유형의 대표 사례인 미드저니(Midjourney)에서는 text to image 방식으로 이미지를 생성하는 특성이 있으며 회화적인 이미지 스타일로 이미지를 만드는데 활용되고 있다. 둘째, 이미지 생성 인공지능 이미지 변형 유형의 대표 사례인 아트브리더(Artbreeder)에서는 기존의 이미지를 업로드 하거나 이미 만들어진 이미지에 슬라이더를 조정하여 새로운 변형을 제작하는 특성이 있으며 사진이나 반실사풍 이미지 스타일로 활용되고 있다. 셋째, 이미지 생성 인공지능 이미지 확장 유형의 대표 사례인 달리2(DALL-E 2)에서는 아웃페인팅, 인페인팅 기능을 사용하여 이미지를 확장하거나 이미지 속 내용물을 수정하는 특성이 있으며 사진 이미지 스타일로 활용이 용이하다. 이미지 생성 인공지능의 활용 특성으로는 입력 방법에 따라 편의성이 달라지고 툴에서 제공하는 효과에 따라 이미지의 다양한 변형이 가능하다. 제공하는 샘플의 수량과 차이로 원하는 이미지를 찾기가 수월해진다. (결론) 이미지생성 인공지능은 전이, 변형, 확장유형에 따라 입력방식과 이미지 스타일에 차이가 있다. 따라서 사용자들은 이미지를 활용하는 목적에 따라 알맞은 이미지 전이, 변형, 확장 인공지능을 선별하여 사용해야 한다.
더보기(Background and Purpose)Recently, image-generative artificial intelligence (AI) has received considerable attention in the digital arts field. An AI artwork won an award and caused controversy at an art exhibition held in the United States. However, research on image-generative AI is still limited and mainly focuses on technical aspects, such as content development. Therefore, the purpose of this study was to provide basic data on how to use image-generative AI in the future and to suggest directions for its use by examining the types of image-generative AI currently available on online platforms and analyzing ways to utilize them. (Method) This study first examined the concept of neural network deep learning and the types and utilization cases of image-generative AI through a literature review, and then found representative cases of each type of image-generative AI to analyze its utilization characteristics. Among the image-generative AIs available online as of October 31, 2022, those with clear cases of transfer, translation, and extension were selected as representative cases. To analyze the utilization of the representative cases, four types of detailed information were used as scales: input method, image style, sample suggestion, and utilization. Subsequently, detailed scales were applied to each representative case to analyze its characteristics. (Results) First, Midjourney, a representative AI image generator that uses image transfer, generates images using a text-to-image method and is used to create images in a pictorial style. Second, Artbreeder, a representative AI image generator that uses image translation, creates a new translation by uploading an existing image or adjusting a slider on an already created image and is used for a photo-realistic or semi-realistic image style. Third, Dall-E 2, a representative AI image generator that uses image extension, extends the image or modifies its contents using inpainting and outpainting techniques, and is easy to use for photo-style images. Regarding the utilization characteristics of image-generative AI, the convenience varies depending on the input method and various translations of images are possible depending on the effects provided by the tool. The difference in the number of samples makes it easier to obtain the desired image. (Conclusions) Image-generative AIs use different input methods and image styles based on transfer, translation, and extension. Therefore, users must select and use appropriate image transfer, translation, and extension AIs depending on the purpose of image utilization.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 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.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
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)