생성형 AI 영상의 미장센 유형 분석 연구 -SORA 영상을 중심으로-
A Study on Mise-en-Scene Analysis of Generative AI Images -Focusing on SORA Images-
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
(연구배경 및 목적) 인공지능 기술은 지난 50년 동안 암흑기와 황금기를 거듭하며 발전해 왔으며, 딥러닝의 발전으로 생성형 AI는 빠르게 이미지, 음악, 영상 생성 분야에 적용된다. 특히 생성형 AI 기술은 영상 제작 워크플로우와 결합되어 경제적, 창의적 이점을 제공하며, 다양한 디지털 플랫폼에서 상용된다. OpenAI의 SORA는 기존 영상 생성 기술의 한계를 극복하며 주목을 받는다. 생성형 AI 영상의 미장센 분석이 부족한데, 본 연구는 생성형 AI 영상의 표현 강점을 분석하고 이를 기반으로 효과적인 활용 방향을 제시한다. (연구방법) 본 연구는 생성형 AI 모델 중 가장 널리 활용되고 있는 ChatGPT를 개발한 OpenAI에서 연구 중인 영상 생성 AI 모델인 SORA를 중심으로 분석한다. SORA는 상용화되지 않았으나, 유튜브에서 공개된 쇼케이스 영상을 통해 그 가능성을 확인한다. 연구는 공개된 13편의 SORA 쇼케이스 영상 중 8편을 선정하여 분석하고, 생성형 AI 영상의 시각적 표현 강점을 미장센 기법을 통해 분석한다. 본 연구는 생성형 AI 영상 모델이 생성하는 영상의 미장센 유형을 분류하고, 사용자들에게 효과적인 활용 방안을 제시한다. (결과) 생성형 AI 기술을 활용하여 현실에 근접한 영상을 생성하고, 초현실적인 영상 표현을 탐구한다. 특정 장소의 요소나 분위기를 활용해 자연스러운 장소 이동을 표현하며, 대상이나 장소의 일부를 효과적으로 사용하여 장소의 유연성을 강화한다. 또한, 캐릭터의 특징을 활용하여 신체의 특정 부분을 분리하거나 동물의 의인화를 구현하는 초현실적인 영상을 생성한다. 이러한 미장센 표현은 과거 컴퓨터 그래픽 기술로 시도되었으나, 생성형 AI 기술을 통해 더 자연스럽고 독특한 분위기를 만든다. (결론) 본 연구는 생성형 AI 기술을 활용하여 완성한 영상의 활용 방안을 제시하려 한다. 이를 위해 생성형 AI 기술이 제공하는 미장센 유형을 체계적으로 분석한 결과, 실제 영상 제작에 적용 가능한 세 가지 미장센 유형을 도출한다. 첫째, 리얼리즘 미장센은 현실과 유사한 세부 사항을 구현한다. 둘째, 장소를 활용한 표현주의 미장센은 초현실적인 장면 전환을 자연스럽게 시각화한다. 셋째, 캐릭터를 활용한 미장센은 기존 영상 표현을 넘어서 독특한 시각적 효과를 생성한다. 본 연구는 기존 미장센 이론의 한계를 극복하며, AI 기술을 기반으로 한 새로운 미장센 유형을 제안한다. 생성형 AI 기술을 활용함으로써 기존 영상 제작의 한계를 초월한 창의적인 영상을 창출할 수 있으며, 본 연구는 실무 영상 제작 환경에서 생성형 AI 기술의 활용 방향을 제시하고 향후 연구에 기초 자료로 활용되기를 기대한다.
Abstract
(Background and Purpose) Generative AI has rapidly advanced in recent years, particularly with the development of deep learning techniques. This technology has found increasingly applied in various fields, including image, music, and video production. Notably, OpenAI's SORA model has demonstrated a notable capacity to overcome the limitations of traditional video generation technologies. While generative AI’s economic and creative benefits are evident, research on its mise-en-scène remains limited. This study analyzes the expressive strengths of generative AI in video production, aiming to offer practical strategies for its effective use in professional contexts. The research contributes to a more profound understanding of how generative AI can enhance video production workflows. (Method) This study examines SORA, a video-generating AI model developed by OpenAI, creators of ChatGPT. Although SORA is not yet commercially available, its potential is showcased through publicly released videos on YouTube. The research selects and analyzes eight out of thirteen showcase videos, using mise-en-scène techniques to explore the visual strengths of generative AI in video production. The study classifies the types of mise-en-scène produced by the AI model and provides effective strategies for its use. Findings show that generative AI can create videos that closely resemble reality while also enabling surreal visual expressions. This includes using elements of locations to achieve seamless scene transitions, enhancing spatial flexibility, and incorporating unique character traits, such as separating body parts or anthropomorphizing animals, to produce surreal visuals. These visual expressions once primarily achieved through computer graphics, are now more naturally and uniquely realized through generative AI. (Results) This study examines the potential of generative AI technology to generate realistic videos while exploring surreal visual expressions. By utilizing elements of specific locations, the study elucidates the means by which transitions between scenes can be achieved, enhancing spatial flexibility. Additionally, it explores how AI can generate surreal visuals by emphasizing character traits, such as separating body parts or anthropomorphizing animals. These mise-en-scène techniques once attempted through computer graphics, are now more naturally realized through generative AI, producing unique atmospheres. (Conclusions) This study aims to propose practical applications for videos created using generative AI technology. A systematic analysis of the types of mise-en-scène enabled by generative AI is conducted to identify three distinct types of mise-en-scène that can be applied to real-world video production. First, the realism mise-en-scène focuses on replicating details that closely resemble reality. Second, the expressionist mise-en-scène, utilizing locations, naturally visualizes surreal scene transitions. Third, the character-driven mise-en-scène has been found to exceed traditional video expressions by creating unique visual effects. By leveraging generative AI technology, this study demonstrates how it transcends the limitations of conventional video production, fostering the creation of innovative and creative content. The findings are intended to provide guidance for practical video production environments and to serve as foundational material for future research.