본 연구는 디지털 영상 제작 프로세스에서 점점 중요한 역할을 하고 있는 생성형 AI의 발전과 그 영향을 탐구한다. GPT, GAN 및 기타 생성 알고리즘과 같은 모델의 개발에서 AI 기술의 급속한 발전으로 영상 제작 환경이 큰 변화를 겪고 있다. ChatGPT, Runway, DALL·E, MidJourney, SunoAI 등 생성형 AI 모델의 발전으로 영상 제작 단계에서 적용 가능성이 크게 확장되었다. 생성형 AI는 아이디어 기획에서부터 최종 편집 프로세스에 이르기까지 다양한 제 작 단계를 간소화할 수 있는 잠재력이 있다. 예를 들어, AI는 플롯 아이디어나 대화를 생성하 여 대본 작성을 지원할 수 있으며, 후반 작업에서는 시각 효과를 향상시키고, 사실적인 환경을 만들거나, 반복적인 편집 작업을 자동화할 수 있다. 또한, AI 기반의 사운드 디자인 도구는 영 상 분위기에 맞춘 음악과 사운드 효과를 자동으로 생성할 수 있다. 본 연구는 현재 사용되고 있는 생성형 AI 기술을 조사하고, 특히 런웨이 AI 영화제에서 소개된 사례들을 통해 그 장점 과 한계를 분석한다. 연구 결과, 생성형 AI는 영상 제작에 드는 시간과 비용을 획기적으로 줄 일 수 있는 잠재력을 지닌 반면, 저작권 문제와 딥페이크와 같은 기술적, 윤리적 문제는 신중 한 고려가 필요함을 제시한다. 향후 연구 과제는 AI와 인간의 예술적 창의성 간의 균형을 유 지하는 방법에 관한 것이다.

본 연구는 한국의 다양한 형태의 미디어 콘텐츠를 가리키는 용어인 K-콘텐츠 제작에 있어 생 성형 AI 활용에 관한 연구이며, 특히, 제작 전, 제작, 제작 후 등 영상 콘텐츠 제작의 모든 단 계에서 AI 기술의 혁신적인 영향을 강조한다. 대본 작성, 트렌드 분석, 캐스팅, 장면 편집, 시 각 효과 등의 작업에 AI 기반 도구를 활용함으로써 제작자는 창의성을 강화하고 효율성을 높 이며 제작 품질을 높일 수 있다. 주요 조사 결과에 따르면 생성형 AI는 반복 작업을 자동화하 고 참신하고 창의적인 아이디어를 생성하며 품질의 일관성을 보장함으로써 생산 프로세스를 크게 간소화할 수 있다. 예를 들어, AI 도구는 스크립트 작성 및 스토리보드 작성을 지원할 수 있으며, 얼굴 인식 알고리즘 및 지리공간 데이터 분석은 배우 캐스팅 및 촬영 장소를 추천하는 것이 가능하다. 포스트 프로덕션 과정에서는 AI 기반 비디오 편집 및 시각 효과 도구를 활용하 여 콘텐츠의 내러티브 응집력과 시각적 매력을 향상시키는 동시에 생성 오디오 도구는 맞춤형 음향 효과를 창조시킬 수 있다. 생성형 AI의 K-Contents 활용은 기획-제작-유통 등 전체 제작 과정에 도입이 예상되며 생산 비용 절감, 글로벌 시장 확대 등의 경제적인 측면에서도 상당한 영향을 미칠 수 있다. 본 논문은 K-콘텐츠 제작에서 생성적 AI의 잠재력을 모색하고 향후, K- 콘텐츠 산업이 글로벌 시장에서 더욱 성장하고 번영할 수 있는 시사점을 탐구한다는 점에서 의의를 찾을 수 있다.

디지털 미디어의 급속한 진화는 광고 콘텐츠 분야에서 혁신적이고 매력적인 시각적 콘텐츠의 필요성을 강조하면서 큰 영향을 미치고 있다. 본 연구는 기술 발전과 창의적인 광고 요구 사 이의 격차를 해소하는 것을 목표로 짧은 이미지 광고를 만드는 데 있어서 생성적 인공 지능 (AI)의 잠재력을 탐구하고자 하였다. 현대 미디어 환경에서 광고 콘텐츠의 형태와 소비 방식이 급변하고 있으며 특히 소셜 미디어와 디지털 플랫폼에서 짧은 형태의 비디오 및 이미지 콘텐 츠의 중요성이 증가하고 있다. 이러한 변화 속에서, 본 연구는 AI 기술을 활용하여 효과적인 애드버콘텐츠 이미지를 생성하는 새로운 방법론을 제시하고자 하였다. 연구는 먼저 생성형 AI 의 기본 이론과 광고 콘텐츠 제작에 있어 주요 요소들을 검토하고 이를 바탕으로, 인공지능을 활용하여 생성된 이미지 콘텐츠를 제안한다. 이 논문은 광고 콘텐츠 제작에 있어 생성형 AI의 가능성을 탐색하고 미디어 콘텐츠 제작의 미래 방향 및 광고 산업에 중요한 시사점을 제공한 다는 점에서 의의를 찾을 수 있다.

이 연구는 생성형 AI(Generative AI) 기술을 활용하여 기본 시각디자인 분야에서의 새로운 접근 방법과 가능 성을 탐색한다. Generative AI는 데이터 기반 학습을 통해 창의적인 디자인을 생성하는 인공지능 기술로, 시 각디자인에서 중요한 역할을 하고 있다. 본 연구는 Generative AI가 시각디자인의 기본 요소와 원리에 어떻게 적용되며, 디자인 프로세스를 어떻게 혁신할 수 있는지를 분석한다. 먼저, Generative AI가 색채, 형태, 구성과 같은 디자인의 기본 요소를 어떻게 해석하고 재창조하는지에 대해 연구한다. 이를 통해 AI가 디자인의 창의 성과 예술성을 어떻게 향상시킬 수 있는지를 탐구한다. 또한, AI가 디자인 결정 과정에서 어떻게 인간 디자 이너를 보조할 수 있는지에 대해서도 연구한다. 이 연구는 Generative AI를 실험하고, 이를 통해 얻은 시각디 자인 결과를 통해, AI가 시각디자인의 전통적인 접근 방식에 어떤 새로운 시각과 해석을 제공하는지를 조사 한다. AI 기술의 발전이 디자인의 미래와 디자이너의 역할에 어떤 변화를 가져올지에 대한 통찰과 디자인 분 야의 전문가뿐만 아니라, AI 기술에 관심 있는 학자들에게도 중요한 시사점을 제공한다는 점에서 의의를 찾 을 수 있다.

Purpose – This paper examines the effect of related party transactions on crash firm-specific stock price crash risk. Ownership of a typical Korean conglomerate is concentrated in a single family. In those entities, management and board positions are often filled by family members. Therefore, a dominant shareholder can benefit from related party transactions. In Korea, firms have to report related party transactions in financial statement footnotes. However, those are not disclosed in detail. The more related party transactions are the greater information risk. Thus, companies with related party transactions are likely to experience stock price crashes. Research design, data, and methodology – 2,598 firm-year observations are used for the main analysis. Those samples are from TS2000 database from 2009 to 2013, and the database covers KOSPI-listed firms in Korea. The proxy for related party transactions (RTP) is calculated by dividing total transactions to the related-party by total sales. A dummy variable is used as a dependent variable (CRASH) in the regression model. Logistic regression is used to explain the relationship between related party transactions and crash risk. Then, the sample was separated into two groups; tunneling firms and propping firms. The relation between related party transactions and crash risk variances with features of the transaction were investigated. Results – Using a sample of KOSPI-listed firms in TS2000 database for the period of 2009–2013, I find that stock price crash risk increases as the trade volume of related-party transactions increases. Specifically, I find that the coefficient of RPT is significantly positive, supporting the prediction. In addition, this relationship is strong and robust in tunneling firms. Conclusions – The results report that firms with related party transactions are more likely to experience stock price crashes. The results mean that related party transactions increase the possibility of future stock price crashes by enlarging information asymmetry between controlling shareholders and minority shareholders. In case of tunneling, it could be seen that related party transactions are positively associated with stock crash risk. The result implies that the characteristic of the transaction influences crash risk. This study is related to a literature that investigates the effect of related party transactions on the stock market.

오대1호'는 1991년 하계에 조숙 안전 고품질 품종을 육성할 목적으로 고품질인 일품벼를 모본으로 초형이 좋고 조숙내냉성 계통인 진부10호를 인공교배하여 계통육종법에 의해 숙기가 빠르고 내도복성이며 수량성이 높고 밥맛이 좋은 SR19018-19-2-2-2-1-1을 선발하여 2003년에 진부37호의 계통명을 부여하였다. 2003년~2005년 3년간 지역적응시험을 실시한 결과 그 우수성이 인정되어 2005년 12월 직무육성 신품종 선정위원회에서 '오대1호'

조운은 농촌진흥청 국립식량과학원에서 벼 수확기의 분산 및 이른 추석에도 안정적으로 생산할 수 있는 평야지적응 조생종을 육성할 목적으로 1996년 조숙이면서 양질 내병 다수성 계통인 SR14880-173-3-3-2-2-2와 초형이 우수하며 수량성이 높은 단간 조생인 운봉20호를 교배하여 2009년 육성한 평야지적응 극조생 단간 내도열병 고품질 벼 품종으로 주요 특성과 수량성을 요약하면 다음과 같다. 1. 보통기 보비재배에서 출수기는 7월 23일로 오대벼보

평원은 농촌진흥청 국립식량과학원에서 북한 지역에 적응성이 높은 다수성 양질 신품종을 육성할 목적으로 1995년 잠재적 수량성이 있는 북한 벼 품종 삼지연4호와 조숙 단간 내도복 특성의 진부19호를 교배하여 2007년 육성한 조생 단간 내도열병 고품질 품종으로 주요 특성과 수량성을 요약하면 다음과 같다. 1. 보통기 보비재배에서 출수기는 8월5일로 오대벼보다 1일 늦은 조생종이다. 2. 간장은 67 cm이며, 주당수수는 13개, 수당립수는 82개이고, 현