본 논문에서는 게임 입력 영상을 일러스트 스케치로 변환하는 GAN 기반의 프레임워크를 제시한다. 이 프레임 워크는 HED(Holistically-Nested Edge Detection) 기법을 통해 게임 입력 영상의 윤곽선과 일러스트 스케치의 윤곽선을 추출하고, 추출한 윤곽선 간의 차이를 LPIPS(Learned Perceptual Image Patch Similarity) 기법으로 추정하는 완화된 순환 일치 손실 모듈을 적용한다. 이 모듈을 통해 게임 입력 영상과 일러스트 스케치의 윤곽선 을 비교하여 명확한 선 표현에 집중한다. 또한 집중적으로 변환해야 하는 영역을 식별하기 위해 의미론적인 영 역에 초점을 맞춘 어텐션 맵을 사용한다. 본 논문이 제시한 프레임워크는 스타일 추출 모듈, 생성자 모듈, 판별 자 모듈 및 완화된 순환 일치 손실 모듈로 구성된다. 먼저 스타일 추출 모듈을 사용하여 일러스트 스케치 영상의 스타일을 추출한다. 다음으로 생성자 모듈을 사용하여 게임 입력 영상에서 추출한 스타일 어텐션 맵을 통해 일러스트 스케치를 생성한다. 생성된 일러스트 스케치 영상을 판별자 모듈을 통해 처리하여 생성된 일러스트 스케치의 품질을 측정한다. 또한 생성된 일러스트 스케치에서 게임 입력 영상의 구조 유지 및 명확한 선 표현을 위해 완화된 순환 일치 손실을 적용한다. 다양한 게임 입력 영상의 스케치를 통해 프레임워크의 우수성을 입증한다.
본 논문에서는 생성 모델로 색칠하기 게임에서 사용 가능하도록 임의의 선화와 원하는 컬러링 스타일을 입력하면 자동으로 컬러링 영상을 생성하는 신경망 모델인 FillingGAN을 제안한다. 제안된 모델은 스타일 영상의 특징을 추출하는 오토 인코더 구조의 모듈과 추출된 스타일 영상의 특징을 선화에 적용해서 이미지를 생성하는 GAN 모델로 구성된다. GAN 모델은 선화에서 추출된 구조와 스타일 영상에서 추출된 색 정보를 이용해서 채색 영상을 생성하는 과정을 수행하며, 이를 위해서 선화의 구조와 스타일 영상의 색 정보를 유지하는 손실 함수를 설계한다. 우리의 모델은 선화의 고유한 특징을 보존하며 스타일이 적용된 이미지를 생성한다.
본 연구에서는 게임 토이와 같은 도구를 증강 현실 도구로 사용할 수 있는지 여부와 블루투스 등 무선 통신 기술과 제어가 가능한 모듈을 이용하여 게임 요소로 확장 할 수 있는 시스템 모델을 통하여 살펴보았다. 이것은 증강현실 기술과 무선 통신기술을 활용한 온라인 배들 방식의 게임을 제안한 것이다. 또한 스마트폰 앱 제어 모듈을 적용하여 기존 방식 게임 요소를 확장하였다. 전통적인 토이의 게임 방식은 같은 공간상에서 한정 된 기능만을 가지고 게임을 진행하는 방식을 사용한다. 본 연구는 증강현실 기술의 접목으로 게임 오브젝트와 매칭 되는 방식으로 콘텐츠를 구현하여 증강 현실 기반 게임으로 확장하고, 이를 통해 현실의 한계로 극복하고 다양한 아이템을 사용하여 몰입도 높인다. 따라서 겹침 방지, 거리, 높이 등의 공간 배치에 따라 화면의 모 든 공간에서 입체적으로 사용할 수 있도록 게임 오브젝트의 크기를 표준화하고, 스마트폰의 조작으로 게임을 진행 할 수 있도록 증강 현실 기술을 사용했다. 또한 다양한 게임에 적용 할 수 있는 시스템 프레임 워크 기반의 모델을 제안하고, 다양한 증강 현실 환경을 구현할 수 있는 프레임 워크를 제시한다. 본 연구에서 제안한 증강현실 기반의 배틀 게임은 상황 정보를 기반으로 상황 인식 에이전트와 도메인 지식 기반의 지능형 DB를 통해 장난감의 기능을 모듈화하여 게임 요소로 확장 할 수 있는 지식 기반 증강 현실 시스템을 제안하였다.
최근에는 스마트폰 중독의 ‘저연령화’가 우려된다. 아동의 스마트폰 중독에 영향을 미치는 요인은 아동의 개인적 특성 뿐만 아니라 부모요인이 있다. 아동의 스마트폰 중독에는 부모양육태도가 중요하게 영향을 미친다. 본 연구는 아동의 스마트폰 중독 경향에 대한 부모의 양육태도와 아동의 주의집중 문제의 구조모형을 분석하였다. 한국청소년정책연구원에서 제공한 한국아동청소년 패널조사(KCYPS 2018)의 중 초등학교 4학년의 자료를 사용하였다. 자료 분석은 SPSS 24.0과 AMOS 24.0을 사용하여 Pearson 상관분석, 구조방정식 모형을 분석하였다.
최근 GAN(Generative Adversarial Network) 등장 이후 얼굴 표정 재연(face reenactment)의 연구가 활발해지고 있다. 얼굴 표정 재연은 입력으로 주어진 얼굴 이미지를 원하는 표정의 이미지 혹은 표정 정보를 갖는 벡터(vector)을 입력으로 주어 원하는 표정으로 합성하는 기술이다. 본 논문은 GAN 아키텍쳐(architecture)를 기반으로 회전 모듈 (rotate module)과 다양한 각도의 게임 캐릭터 표정을 표정 정보를 갖는 AUs(Action Units) vector를 통해 재연시키 는 방법을 제안한다. 입력으로 다양한 각도의 게임 캐릭터 얼굴이 주어지면 회전 모듈을 통해 정면화(frontalization) 시킨 이미지를 합성한다. 이를 통해, 다양한 각도의 게임 캐릭터들은 각도의 영향에서 벗어날 수 있다. 정면화 이미지는 원하는 표정으로 합성하기 위해 표정 정보를 갖는 AU벡터와 함께 생성자(generator)에 입력으로 주어진다. 이 때, 표정 정보를 갖고 있는 벡터는 AUs를 사용함으로써 다양한 표정과 세기(intensity)를 표현할 수 있다. 생성자는 표정 정보에 대한 관심 지역을 의미하는 관심 마스크(attention mask)를 생성하고 색상 정보를 의미하는 색상 마스크(color mask)를 생성한다. 이를 통해, 게임 캐릭터의 특징과 기타 부착물을 보존하며 표정을 재연한 이미지를 합 성할 수 있다. 관심 마스크와 색상 마스크를 이용하여 원하는 표정으로 재연한 재연 이미지를 합성하고 다시 회전 모듈을 통해 기존의 입력 이미지의 각도로 재회전하여 원하는 결과 이미지를 얻을 수 있다.
최근 심층 학습 기반의 표정 재연 기술에 대한 많은 연구가 진행되고 있다. 표정 재연 기술이란 입력 이미지 속 사람의 표정을 원하는 표정으로 재연하는 기술이다. 표정 재연 기술은 게임 산업 분야에 유용하게 활용될 수 있을 것이나 표정 재연 기술을 게임 캐릭터에 적용하는 것은 쉽지 않다. 게임 캐릭터의 AU(Action Unit)를 추출하는 것이 힘든 일이기 때문이다. 따라서 본 논문에서는 색상 모듈을 사용하여 게임 캐릭터에도 적용할 수 있는 심층 표정 재연 기술을 제안한다. 게임 캐릭터에서 AU 추출이 가능하도록 색상 모듈을 이용, 캐릭터의 얼굴 색을 실제 사람 얼굴의 색으로 조정한다. 본 논문의 모델은 GAN 기반 구조이다. 본 논문이 제시한 프레임 워크는 색상 모듈, 두가지 생성자, 두가지 판별자, Identity 보존 모듈로 이루어진다. 입력 이미지를 색상 모듈을 통해 얼굴 색을 조정한 후 입력 AU에 따라 생성자를 통해 중립 이미지를 생성한 후 재연 이미지를 생성한다. 그 후 색상 모듈을 통해 입력 이미지 캐릭터의 피부색으로 다시 조정하여 결과 이미지를 생성한다. 이미지가 생성될 때마다 판별자를 통해 이미지의 품질을 측정하고 Identity 보존 모듈을 통해 Identity를 예측하여 보존한 다. 본 연구의 결과는 게임 캐릭터에 대해 기존 연구들보다 표정 변화가 잘 일어난 이미지를 생성했고 이를 게임 분야에 활용할 수 있을 것이다.
본 논문은 부상하고 있는 지역화폐를 중심으로 블록체인 기반 게이미피케이션의 대한 융합 연구이다. 먼저, 블 록체인과 지역화폐의 연대기와 본질적 의미에 대해 연구하였고 상관관계를 분석했다. 그리고 지역화폐와 게이미피케이션 간의 효과적인 융합에 필요한 게이미피케이션 루프와 게임 메커닉스를 도출하였다. 게이미피케이션 은 게임요소와 게임적 사고를 활용하여 게임 이외의 특정분야의 문제를 해결하는 기술이다. 본 연구는 게이미피케이션을 적용하여 지역화폐의 확산과 발전이라는 문제의 해결의 단초를 찾으려는 노력의 일환이다. 이 연구를 시작으로 바람직한 블록체인 기반의 지혁화폐 모델을 게이미피케이션 원리과 개념을 반영하여 제시하고자 하였다. 이러한 블록체인 게이미피케이션 융합 연구가 지역 사회와 구성원 모두에게 실질적인 도움이되는 창의적인 현지 화폐 실현에 기여할 수 있길 기대한다.
본 연구는 코로나 바이러스로 인해 형성된 부정적 생각이 비디오 게임 캐릭터의 마음읽기에 미치는 영향을 분석하였다. 의인화의 이론적 배경을 바탕으로 코로나 19 상황에 대한 부정적 생각은 비디오 게임 캐릭터의 감정, 인지, 의도를 읽는 경향을 더욱 강하게 만든다는 가설을 설정하였고, 온라인 실험(N = 486)을 통해 해당 가설을 검증하였다. 실험 참여자들은 우선 코로나 19에 관한 다양한 온라인 메시지를 읽고 앞으로의 코로나 19 상황이 얼마나 나빠질 것인지 예측하였다. 이후 참여자들에게 비디오 게임 캐릭터의 이미지를 보여 주고 해당 캐릭터가 감정, 인지, 의도의 마음 상태를 얼마나 갖고 있는지, 해당 캐릭터에 대한 호감도와 비인간화 정도는 얼마나 느끼는지 응답하도록 하였다. 분석 결과 코로나 19의 부정적 생각이 강한 응답자일수록 캐릭터로 부터 감정과 인지, 의도의 마음 상태를 더 강하게 인지하였다. 또한 부정적 기대는 비인간화 정도와 양의 관계를 보여 부정적 감정의 전이를 확인하였다. 보다 중요하게, 캐릭터의 마음읽기는 호감도와 양의 관계를 보이고 있어 코로나로 인한 부정적 생각은 비디오 게임의 즐거움을 높일 가능성이 있음을 보였다.
스피로그래프는 고정된 프레임 형태에 휠을 맞물려서 휠 안에 특정한 점이 지난 궤적을 곡선 형태로 표현하 는 룰렛 곡선 생성 시스템이다. 일반적으로 프레임과 휠은 원형과 같은 단순한 형태로 만들어지며 일종의 장난감처럼 만들어져 사용된다. 이러한 룰렛 곡선의 패턴을 그리는 수학적 원리는 이미 많이 연구가 이루어져 있으며 교육용 게임이나 케주얼 게임 등으로도 활용되고 있다. 그러나 이러한 게임들에는 원형 프레임과 원형 휠을 이용한 생성 방법만을 기반으로 하고 있으며 좀 더 복잡한 일반적인 형태의 프레임을 활용한 생성방법은 사용되고 있지 않다. 이에 본 논문에서는 이러한 스피로그래프 시스템을 우리에게 친숙한 벡터 폰트를 프레임으로 사용하여 룰렛 곡선을 생성할 수 있도록 하고자 한다. 기존의 연구에서 다루지 않았던 불연속적인 방향 전환부분과 휠이 접근할 수 없는 부분에 대한 처리 등에 대해 해결할 수 있는 방안을 제시하였고 실험 결과를 통해 벡터 폰트에 적용한 예를 보였다. 이러한 연구는 기존의 스피로그래프 생성 방법을 확장하여 교육용 게임이나 케주얼 게임 등으로 활용할 수 있고 벡터 폰트를 이용한 폰트변형 방법, 벡터 그래픽 응용 등의 분야에 활용할 수 있을 것으로 기대한다.
캐주얼게임은 게임의 난이도나 규칙이 어려운 하드코어 게임에 비해 상대적으로 규칙이 쉽고 간단한 게임을 말한다. 캐주얼 게임은 게임의 특성상 짧은 여유시간에 즐기는 킬링 타임용 플레이에 더 적합하며, 단순한 규칙을 바탕으로 다양한 사용자층이 쉽게 즐길 수 있는 장점을 가진 콘텐츠이다. 2016년 이후글로벌 게임 산업의 비중에 있어서도 모바일 게임 시장 규모가 다른 플랫폼을 넘어섰으며, 캐주얼 게임의 장점과 특징이 모바일 게임 시장의 성장과 확대에 큰 영향을 미쳤다. 캐주얼 게임은 간단하고 사용자가 게임을 이해하기 쉬운 구성을 가지고 있으며, 순차적인 난이도 구성을 통해 사용자에게 지속적인 도전의식을 부여하여 안정적인 과금 설계 및 수익 모델 구축이 가능하다. 최근 중ž소 개발사들의 신규 게임 서비스 이후 생존이 점차 어려워지고 있으며, 이는 게임의 서비스 이후 체계적이고 효율적인 운영 솔루션 구축의 부재로 인한 결과로 유추가 가능하다. 본 연구에서는 모바일 게임의 글로벌 서비스를 위해 게임 사용자의 요구사항에 빠르게 대처하며, 개발 비용을 절감하고 업무의 효율성을 증가시킬 수 있도록 운영 툴을 설계하고 구현한다.
본 논문에서는 각 사용자에게 적합한 게임의 난이도 조절을 위하여 인간의 생리적 반응을 분석하는 방법을 이용하여 객관적이고 정량적인 사용자 반응을 측정하는 방식을 사용하였다. 생리적 신호 측정 방식 중 인간의 인지와 감정을 계량하는데 적합한 뇌파 신호를 측정하고 기존의 연구에서 사용되었던 지표를 이용해 측정한 신호를 분석하였다. 그리고 기존의 다른 분야에서 사용하던 지표를 게임의 난이도에 적합하게 개선하여 기존의 방식을 그대로 사용한 결과와 비교하여 어떤 개선점을 보이는지 확인하였다. 이를 위해 먼저 피험자의 휴식 상 태에서 나타나는 뇌파를 측정하여 기준이 되는 배경 뇌파로 사용하였다. 테트리스에 두 가지 난이도를 설정하고 각각의 난이도를 진행하는 피험자의 뇌파를 측정하였다. 각 난이도에서 측정한 뇌파와 기준이 되는 배경 뇌파의 차이를 각 난이도를 진행할 때 피험자가 보이는 뇌파 반응의 결과로 간주하였다. 이 결과를 기반으로 지금까지 다양한 분야에서 지표로 삼았던 뇌파의 대역별 주파수 변환 결과를 비교 지표로 사용하는 방식과 좌뇌와 우뇌의 비대칭성을 기반으로 긍정, 부정을 파악하는 지표로 사용하는 방식, 알파파와 베타파의 비례 값을 각성, 이완의 지표로 사용하는 방식으로 분석하였다. 마지막으로 세타파를 기준으로 알파파와의 비례 결과와 베타파와의 비례 결과를 각각 몰입과 긴장의 지표로 이용하여 분석하였다.