모바일 게임 시장 규모가 시간이 지날수록 커지고 있다. 그만큼 한국뿐만 아니라 전 세계적으로 모바일 게임 을 개발하고 출시하고 있는 개발사들이 늘어나고 있는데, 한해 출시되는 수백 개 이상의 모바일 게임들 사이 에서 성공적으로 유저들을 유치하고 수익을 창출하기 위해서는 단순히 모바일 게임을 완성도 있고 재미있게 개발하는 것으로 끝나는 것이 아닌 출시 이전부터 출시 이후 운영 까지 다양한 개발 외적인 전략을 활용하여 경쟁력을 확보해야 한다. 본 연구에서는 모바일 게임의 완성도를 결정하는 게임 내적인 요인들을 제외하고 출 시, 마케팅, 운영 등 모바일 게임 개발 외적인 요인들 중 모바일 게임의 성공에 도움이 될 수 있는 키워드들 을 추출하고 이에 대한 전략들을 정의함으로써 향후 모바일 게임 개발사들이 게임을 개발하는데 있어 참고할 수 있도록 하였다.
VR 및 AR은 대중들이 접근하기 어려운 기술이 아닌, 개인용 스마트 폰 하나로 체험 및 활용 할 수 있는 시 대가 되었다. 최근 이런 개인용 스마트 폰의 다양한 센서를 활용한 AR 콘텐츠가 개발되고 서비스 되고 있다. AR 콘텐츠의 수요가 커지면서Software교육의 수요도 커지게 되었다. 하지만, 비전공자들도 배우기 쉬운 Python 언어를 중심으로 SW 교육이 활발해졌음에도, 아직까지 AR 콘텐츠 개발에서는 Python을 적극적으로 사용할 수 없다. AR 콘텐츠는 기술 분야 뿐 아니라 인터렉티브 아트 분야에서도 활발하게 사용되고 있다. 최근 인터 렉티브 아티스트들은 Python을 이용하여 인공지능을 활용한 작품을 개발 및 전시하고 있다. Python을 통한 SW 교육은 SW 분야의 취업에만 필요한 것이 아니라 아트 분야에서도 필요한 교육이 되었다. 본 논문에서는 AR 콘텐츠 개발 교육을 위한 Python과 Unity 3D Engine을 이용한 네트워크 기반 AR 프레임 워크를 제안한다. 제 안한 AR 프레임 워크는 Web 기반 브라우저에서 개인용 스마트 폰의 카메라에 접근하여 카메라 정보를 Main Server에 전송하고 Python에서 Mark를 분석한다. Mark 정보에 맞춰 Unity 3D Engine에서 3D 오브젝트를 렌더 링하고, 카메라 정보화 합성 후, MJPEG 스트리밍으로 개인용 스마트 폰 화면에 렌더링 된다. 본 논문에서 제 안한 AR 프레임 워크는 SW 교육 플랫폼과 비대면 교육 플랫폼의 요구사항을 반영하며, 인터렉티브 아티스트 들의 다양한 도전에 필요한 기술적 제한을 낮춰 줄 것으로 기대한다.
비대면 교육 플랫폼의 필요성은 COVID-19 팬데믹으로 가속을 받게 되었다. 코로나 바이러스의 확산을 막기 위하여 대한민국의 대다수 교육기관들은 등 하교를 최소화 하였으며, 수업 방식은 네트워크를 이용한 화상 회 의 형태로 변하게 되었다. 화상 회의 형태의 비 대면 교육 플랫폼은 교수자 및 학생들에게 정적인 상호작용 (Static Interaction)만을 지원하여 학생들의 적극적인 수업 참여를 유도 하지 못했으며, 교수자의 교육 방식에 큰 제한을 주어 수업의 질을 크게 낮추게 되었다. 본 논문에서는 학생들의 자율적인 수업 참여율을 높이기 위 하여 게임의 특성을 가지는 메타버스 형태의 Web 기반 비 대면 교육 플랫폼”Off-On Class”를 제안한다. ”Off-On Class”는 강남 수학의 힘 학원에서 비 대면 교육 플랫폼의 요구 사항을 분석하여 개발 및 시범 운영 을 하였다.
대한민국 교육은 코로나19 팬데믹으로 대면 교육에서 비대면 교육으로 전환되었다. 학생들이 사회에 대해 배 울 수 있는 그룹 활동 교육은 축소되거나 중단되었고, 비대면 서비스기술 발전으로 메타버스라는 새로운 서비 스를 탄생시켰다. 본 논문에서 저자는 한국 초·중·고교에서 요구하는 집단 활동 교육을 비대면으로 체험할 수 있는 'Virtual School'(VS)이라는 플랫폼을 제안한다. 이 플랫폼은 학생들이 사용하기 쉬운 VRChat과 3D 가상 환경 렌더링을 위한 Unity 3D 엔진을 기반으로 한다. VS 플랫폼은 졸업식, 입학식, OX 퀴즈 등 다양한 활동 을 제공한다. 해당 플랫폼은 부산진고등학교에서 시범 운영되었으며, 메타버스 관련 비대면 교육 플랫폼 연구 분야에서 활발히 활용될 것으로 기대한다.
인터넷이 발달함에 따라 게임 산업이 성장하고, 다양한 게임 비즈니스 모델의 특성에 따라 등장한 게임머니의 활용사례를 웹보드 게임을 중심으로 파악하고, 비 웹보드 게임의 게임머니와 어떤 특징을 가지고 있는지 비 교·분석 하고자 한다. 게임머니가 등장하게 된 도입 배경과 유·무료 게임의 분류 기준에 대해 살펴보고, 웹보 드 게임과 비 웹보드 게임에서 게임머니가 가지고 있는 특징과 기능에 대해서 알아본다. 웹보드 게임의 경우 사행성을 조장할 수 있다는 이유로 게임머니 관련해 규제 성격의 여러 제한이 존재하지만, 비 웹보드 게임의 경우 이러한 제한이 존재하지 않고 있다. 이에 NHN, 네오위즈, 잼팟 등 주요 3사와 이를 제외한 중견 회사의 웹보드 게임머니 활용사례 및 적용 현황을 검토하고, 비 웹보드 게임과의 비교 분석을 통해 웹보드 게임과 비 웹보드 게임 내의 재화에 관한 구체적인 비교 분석을 통해 양측 게임머니가 개발 단계, 게임 경제 체제, BM 등에서 어떠한 공통점과 차이점을 갖는지 알아보고자 한다.
본 논문에서는 웹툰 캐릭터 영상에 대해서 심층학습에 기반한 3D 안면 재구성 기술을 제안한다. 본 연구에서 제안하는 방법은 기본 사항 모듈과 상세 사항 모듈로 구성된다. 입력 받은 웹툰 캐릭터 영상에 대해서 기본 사항 모듈의 요소인 Albedo 모듈을 적용해서 안면에 들어오는 빛의 양을 계산하여 Albedo 맵을 생성한다. 그 리고 기본 사항 모듈의 다른 구성 요소인 FLAME 모듈에서는 입력 영상에 대한 기본적인 3D 안면 형태를 생 성한다. 이와 동시에 상세사항 모듈을 적용해서 실제 사람과 다르게 이목구비가 변형된 웹툰 캐릭터 영상의 표정이나 얼굴 깊이와 같은 특징을 살리는 세부사항을 추출한다. 계산한 세부사항들을 토대로 세부사항 맵을 생성하여 앞서 FLAME 모듈에서 생성된 3D 안면 형태와 결합하여 세부사항 안면 형태를 생성한다. 그 후 Albedo 모듈에서 생성된 Albedo 맵까지 적용하면 최종적으로 웹툰 캐릭터 영상에 대한 3D 안면 재구성이 완 료된다. 본 연구에서는 웹툰 캐릭터뿐만 아니라 안면이 스타일화된 애니메이 션 캐릭터에 대해서도 결과를 생성하고, 이를 기존 연구와 비교하여 그 우수성을 입증한다.
2차원 평면에서 점들의 집합에 대한 보로노이 다이어그램을 구현하는 경우는 비사실적 렌더링이나 스타일화 된 렌더링에 매우 자주 사용하는 기법이다. 하지만 기존의 연구들의 구현 방법을 살펴보면 픽셀기반의 이미지 공간에서 보로노이 셀을 계산하는 방식이 활용된다. 벡터기반의 보로노이 다이어그램의 구현은 셀들이 만나서 이루는 경계부분을 직접적으로 표현할 수 있는 방식이다. 픽셀 기반의 방법의 경우 보로노이 셀간의 경계는 이미지 형태로 먼저 만든 후 에지 추출 영상 처리를 통해 얻을 수 있으며 해상도에 따라 정확도가 결정되며 벡터 기반의 방법보다 부정확할 수 밖에 없다. 즉, 픽셀 기반의 보로노이 다이어그램 생성 방법은 보로노이 셀 영역을 위주로 계산하게 되고 명확한 경계에 대한 데이터를 명시적으로 가지고 있지 않는다. 이와는 대조 적으로 벡터 기반의 보로노이 다이어그램 생성 방법은 보로노이 다이어그램의 경계선 데이터를 직접 포함하 고 있으므로 정확도가 높은 표현 방법이라고 할 수 있다. 다만 픽셀기반의 구현 방법이 좀 더 직관적이고 쉬 운 구현 방법이라는 점 때문에 기존의 연구들은 픽셀기반의 구현을 사용하고 있다. 본 연구에서는 점에 직접 폴리곤 지오메트리를 사용하여 3차원 공간에서 보로노이 다이어그램을 계산하는 방법을 제안한다. 유클리드 거리와 맨해튼 거리를 모두 사용할 수 있으며 선분에 대한 보로노이 다이어그램의 확장에도 사용할 수 있도 록 제안하였다.
본 연구는 좌우뇌의 활용 성향에 따라 다중지능이 어떻게 나타나는지, 모바일 웹사이트의 색채, 형태, 운동, 깊이 등의 지각 요소에 대한 반응의 차이가 어떻게 나타나는지 알아보고자 한다. 본 연구에 필요한 뇌 성향에 대한 데이터를 위하여 참여자를 모집하여 뇌 선호도 검사를 실시하였고, 이들의 다중지능을 확인하였다. 이들 을 뇌 성향별로 구분하고, 모바일 웹사이트의 지각 요소에 대해 선호도 조사를 하였고, 집단 간의 차이가 유 의미한지 확인하였다.
딥러닝(DL: Deep Learning)의 발전으로 오늘날 다양한 분야에서 AI 모델이 만들어지고 사용되고 있다. 오늘날, 컴퓨터의 발전과 DL 알고리즘의 발전에 의해, DL 기반 AI 모델은 수많은 데이터를 학습하고 스스로 규칙을 찾을 수 있다. DeepMind의 Alphago는 학습 데이터 만으로 게임의 규칙을 스스로 판단하고 고수준의 게임 플 레이를 할 수 있다는 가능성을 보여준다. 이런 다양한 DL 알고리즘이 게임 분야에 적용되고 있지만, 스포츠 게임 같이 팀의 전술과 개인 플레이가 공존하는 분야에서는 단일 AI 모델만으로 성공적인 플레이를 이끌어 내기에는 한계가 존재한다. 오늘날, 고품질의 스포츠 게임은 쉽게 접할 수 있다. 하지만, 게임 AI 연구자들이 이런 고품질의 스포츠 게임에 맞는 AI 모델을 개발하기 위해서는 게임 코드 소스를 받거나 게임 회사에서 테 스트용 시뮬레이터를 제공해줘야만 할 수 있다. 게임 AI 연구자들이 활발한 스포츠 게임 분야의 AI 모델을 개 발하기 위해서는 스포츠 게임의 규칙과 특징이 반영되고 접근하기 쉬운 테스트 환경(Test Environment)이 필요 하다. 본 논문에서는 팀의 전술과 개인 플레이가 중요한 스포츠 게임 분야에서 AI 모델을 만들고 테스트할 수 있는 규칙기반 축구 게임 프레임워크를 제안한다.
본 논문은 언리얼 엔진(Unreal Engine) 기반의 가상환경에서 인공지능 시각화의 대표적인 시스템인 Stable Diffusion을 이용하여 다양한 형태의 인터렉티브 레벨 디자인 구현 방법을 분석하고 제안한다. Stable Diffusion 은 Midjourney와 함께 대표적인 인공지능 시각화 시스템이며 다양한 프로그램 및 툴에 응용되고 있으며 프롬 프트 입력 기반으로 Text to Image, Image to Image는 물론이며 간단한 추가 작업으로 바디 모션 변화까지 자 연스럽게 적용되는 인공지능 시각화 시스템이다. Unreal engine은 현재 5.2까지 업데이트 된 대표적인 게임 엔 진이며 본 연구에서는 5.1을 사용하였다. Unreal Engine은 게임은 물론 애니메이션, 영화CG, 건축, 디지털 트윈 까지 광범위하게 사용되고 있으며 게임 엔진이지만 게임 이외의 콘텐츠 저작 툴로써 점점 더 많이 이용되고 있는 프로그램이다. 본 논문은 이 Stable Diffusion과 Unreal engine을 접목시켜 효과적인 인터랙티브 레벨 구현 을 할 수 있는 프로세스에 관해 분석하고 제안한다. 이미 인공지능은 다양한 2D, 3D콘텐츠에 접목이 시도되 어 실제 퍼블리싱가지 이어지고 있는 시대라고 할 수 있다. 본 연구는 현재 Unreal Engine과 인공지능을 효과 적으로 융합하여 시각적 결과물을 구현하는 방법론을 분석하였으며 효과적으로 구축할 수 있는 토대를 확인 하였다.
최근 미디어아트와 공연예술 분야에서 예술과 기술의 융합을 활용한 다원예술의 공연들이 늘어나고 있다. 공연 자와 관객들 사이의 실시간 커뮤니케이션이 이루어지는 공연예술은 관람객들이 전시의 형태로 이를 감상하는 미 디어아트와는 달리, 작가의 의도를 공연자의 퍼포먼스와 배경, 무대장치들을 통해 간접적으로 전달하는 형태를 취한다. 본 연구는 비언어적 커뮤니케이션의 형태로 관객들의 실시간 소통이 중요한 예술공연에서, 게임엔진과 실시간 인터렉션 기술들을 접목한 공연사례들을 분석해보자 한다. 게임과 영상 분야에서 주로 사용되었던 언리 얼 엔진과 비주얼 인터렉션 기술들은 실시간 리얼타임 비주얼 출력이라는 강력한 이점으로 인해 다양한 분야에 서 폭넓게 활용되고 있고, 예술공연 분야로도 점차 확대되고 있다. 따라서 미디어아트 공연분야에서 실시간 인터 렉션 기술이 접목된 다원예술 공연들을 살펴보고 어떠한 시도와 움직임들이 있는지 살펴보고 분석해보고자 한 다. 이를 통해 미디어아트 분야 뿐만 아니라, 공연예술 및 다원예술 분야에서도 미디어아트와 실시간 인터렉션 공연을 접목시킨 다양한 형태의 예술공연들이 늘어나고 관련 제작 및 방법론 연구에 도움이 되고자 한다.