인공지능 아트의 활용과 전망 - 비주얼 콘텐츠 제작 프로세스를 중심으로
Utilization and Prospects of Artificial Intelligence in Art - Focusing on the Visual Content Creation Process
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
인공지능(AI) 기술의 급속한 발전은 세상을 빠르게 변화시키고 있다. 생성형 인공지능을 통해 다양한 스타일의 이미지 창작이 가능한 시대로 접어들고 있으며 일러스트레이션, 애니메이션, 게임 제작 같은 시각 콘텐츠 제작 분야에서 생성형 인공지능의 활용을 본격적으로 검토하고 있는 시기이다. 이전에는 비주얼 콘텐츠제작이 인간의 창의적 노력과 소통에 의존했지만, AI의 능력 향상과 생성형 인공지능의 도래로 인간과 인공지능의 생산적인 협업이 가능해졌으며 강력한 생성형 인공지능을 잘 활용하기 위해 인간의 창작과정을 되짚어 봐야 할 필요가 있다. 이 논문은 현재까지 알려진 생성형 인공지능을 통한 이미지 창작 기술의 현황을 알아보고 생성형 인공지능을 잘 활용하기에 앞서 인간창작방식을 고찰해 우리가 간과하기 쉬운 부분이 무엇인지 알아본다. 이후 생성형 인공지능이 활용되는 시각 콘텐츠 제작 분야별 사례를 알아보고 인간과 AI의 협업에 관한 아이디어를 제시한다.
Abstract
The rapid development of AI technology is rapidly changing the world. We are entering an era where generative AI can create images in a variety of styles, and the use of generative AI in visual content creation, such as illustration, animation, and game creation, is being explored in earnest. Previously, visual content creation relied on human creative efforts and communication, but with the improvement of AI and the advent of generative AI, productive collaboration between humans and AI has become possible, and it is necessary to revisit the human creative process in order to make good use of powerful generative AI. This paper examines the current state of image creation technology through generative AI and explores what we can easily overlook by examining the human creative process before making good use of generative AI. Afterwards, we will look at examples of visual content creation where generative AI is used and present ideas for human-AI collaboration.
참고문헌 (10)
- Larry Briskman, "Creative product and creative process in science and art", Inquiry, 23(1), pp.83~106 (1980), Informa UK Limited[DOI]
- Vivian Liu, "Design Guidelines for Prompt Engineering Text-to-Image Generative Models", CHI ’22, 384, pp.1~23 (2022), ACM
- Qihan Hu, "CanFuUI: A Canvas-Centric Web User Interface for Iterative Image Generation with Diffusion Models and ControlNet", AI-generated Content, pp.128~138 (2023), Springer Nature Singapore[DOI]
- X. Wang, "VideoLCM: Video Latent Consistency Model", arXiv, ~ (2023)
- Sicheng Zhao, "Exploring Principles-of-Art Features For Image Emotion Recognition", Proceedings of the 22nd ACM international conference on Multimedia (2014), ACM[DOI]
- Jan Koenderink, "Picasso in the mind’s eye of the beholder: Three-dimensional filling-in of ambiguous line drawings", Cognition, 125(3), pp.394~412 (2012), Elsevier BV[DOI]
- Riwinoto Riwinoto, "A Study on the Model of Animation Style Using PCAF", JOURNAL OF APPLIED MULTIMEDIA AND NETWORKING, 4(1), pp.64~73 (2020), Politeknik Negeri Batam[DOI]
- A. Blattmann, "Stable Video Diffusion: Scaling Latent Video Diffusion Models to Large Datasets", arXiv, 1512~ (2023)
- T. Bancroft, "Character mentor: learn by example to use expressions, poses, and staging to bring your characters to life" (2012), CRC Press
- X. Liu, "HumanGaussian: Text-Driven 3D Human Generation with Gaussian Splatting", arXiv, ~ (2023)