As the size of the gaming market continues to grow, game engines like Unity and Unreal are constantly being developed and updated for multi-platform support. In particular, Unity divides the Render Pipeline to be used. Among them, the Universal Render Pipeline (URP) has the advantage of supporting various platforms while improving performance by reducing draw calls and batches at the same quality settings and reducing the load on the CPU and GPU. However, only limited global illumination is supported in the real-time 3D rendering area within URP, such as Baked GI and Enlighten GI, and Enlighten GI will be deprecated after 2024LST, so real-time global illumination is not available in URP, which may reduce the realism and immersion of global illumination in games or applications that use URP. The main objective of this research is to incorporate precomputed spherical harmonics into URP to enable dynamic GI updates in real-time. The approach proposed in this research is to compute the coefficients of spherical harmonics offline and then run them within the URP rendering pipeline, where work exists to effectively simulate dynamic lighting conditions. To demonstrate this, experiments were conducted by changing the rotation and color of the lights, and a comparative analysis was performed to demonstrate the effectiveness of the theory proposed in this work.

본 논문은 일반적인 상황이 아닌 전시라는 특수한 환경에서의 영상기반 AI 모션캡쳐 적용방법의 다양한 시도 를 살펴보았다. 이전의 방식을 살펴보면서 다양한 전시 환경과 조건에 따라 활용 가능한 방법을 연구하고, 장 단점을 서술하여 인터렉션 전시공간에 적용 가능한 영상기반 AI 모션캡쳐 모션캡쳐 기술의 필요성과 적용 가 능성을 설명한다. 또한 MIVA 프로젝트를 진행하면서 전시공간이라는 비규격화 된 공간에서의 불편한 점을 파 악하고 이에 대한 대응할 수 있는 기술적인 환경 구성에 대하여 정리하였다. 또한 실제 공간에서 캡쳐 프로그 램을 설치하고 전시에 적용하면서 생기는 문제점을 파악하고 해결하면서 적절하게 적용 가능한 모션캡쳐 기 술 환경 파이프라인을 제안한다.

최근 AI 기술은 하루가 다르게 빠르게 발전하고 있고, AI기술은 각 분야에서 다양하게 사용되어지고 있다. 본 논문은 예술분야에서 AI기술의 활용으로 COVID-19 상황에서 인간관계, 개인적인 이유로 지친 마음을 위 로해주는 힐링 게임을 제작하였다. 제작한 힐링게임에서는 주로 Self-help-therapy의 효과를 얻을 수 있어, 치 료자의 도움없이 이용자가 힐링게임을 통하여 일상적 이용과정에서 치유적 효과를 얻을 수 있는 것을 기대 하고 있다. 게임 리뷰 데이터를 통계 분석하여 힐링게임으로 대중들이 요구하는 부분을 수용하여 힐링게임 이 제작되었으며, 사용자는 게임 시작 전 간단한 스토리라인과 AI와 상호작용할 수 있는 간단한 대화를 통 화여 Self-help-therapy 효과를 얻을 수 있었다.

국가와 시대를 불문하고 역사 교육에 대한 중요성은 항상 강조되고 있다. 이미 한국에서도 역사 교육의 중요성이 강조되고는 있지만 학교 수업만으로 학생들에게 역사를 제대로 이해시키기에는 많은 어려움이 있으며, 또한 학생들에게 수업 참여를 이끌어 내기에도 어려움이 있다. 20년 전부터 게임을 활용한 교육의 효과가 입증이 되었고, 개방적으로 변모해가는 현재 교육계에서는 게임 기반 교육에 대한 수요가 점차 높아지고 있다. 본 논문에서는 기존 게임 기반 교육에 대한 연구를 통해 입증된 효과를 바탕으로 역사적 사고력 향상과 추경험적 역사 체험, 그리고 ESN 보고서에서 소개한 게임 기반 교육의 문제점과 교육의 참여한 교사들의 불편 사항 등을 개선 및 적용하여 상업적으로 개발된 게임을 평가하여 게임 기반 교육에 활용할 방안을 제시하였다. 선정 조건은 뚜렷한 시대 배경과 확실한 고증 및 역사 왜곡의 유무를 기준으로 하였고, 선정한 게임에 대한 평가 지표로 역사적 사고력, 추경험적 역사체험, 장르적 이점, 시간 분할 요소를 사용하였다. 본 논문에서 소개한 게임 외에도 다양한 역사 게임과 개발 단계에서부터 교육을 목적으로 한 기능성 게임을 통해 게임 기반 교육에 대한 수요를 충족시키기를 기원한다.

포인트 클라우드를 활용한 폴리곤 모델 활용에 대해서는 지속적으로 연구되고있다. 이러한 연구는 대부분 하이 폴리곤 모델을 대상으로 생성된 모델을 활용한 기술이다. 오늘날 비디오 게임 등에서 활용되는 하이 폴리곤 모델은 대부분 높은 퍼포먼스를 바탕으로 화려한 효과를 표현한다. 그러나 게임 등의 콘텐츠에 있어서 화려한 효과와 높은 품질의 리소스를 활용한 게임만이 만족도를 충족시켜주는 것이 아니다. 콘텐츠에 따라서 의도적으로 로우 폴리곤 모델을 활용하기도 한다. 인디 게임 등에서는 낮은 접근성을 장점으로 로우 폴리곤 형태의 모델을 제작하여 이를 활용한 게임들도 지속적으로 개발되어 왔다. 따라서 본 연구에서는 이러한 변화에 맞춰서 포인트 클라우드 데이터를 활용하여 로우 폴리곤 모델을 생성 및 음영 처리하는 방법을 제안한다. 여러 개의 모델을 생성하여, 각각의 모델이 하나의 텍스처를 공유하고, 음영을 처리한다. 마지막으로 라이트맵 기법의 결과물과 비교하는 실험을 진행한다.

감성공학이라는 개념이 대두된 이래로 게임 산업에서도 감성적 성향에 기반한 게임을 개발하려는 움직임이 나타났다. 기존의 경쟁과 승리를 갈구하는 게임 방식에서 인간의 감성을 자극해 몰입을 유도하는 방식으로 전환된 것이다. 따라서 게임을 출시하기 전 개발단계에서 감성평가라는 시스템이 적용되었다. 감성 평가 시스템은 게임 인터페이스, 시스템 등의 사용성과 플레이어의 감성 욕구를 검증할 수 있는 평가 방법이다. 하지만 문항 선택 방식의 평가 방식으로는 평가자의 주관에 의존해야 한다는 단점이 있으며, 게임에 충분히 몰입을 했는지의 여부에 의해 평가자의 답변이 바뀔 수 있다는 문제가 있다. 특히 게임은 다른 미디어 콘텐츠에 비해 몰입성에 대한 영향을 크게 받는 편이며 몰입성은 수치를 통한 계량화가 힘들기 때문에 평가 대상으로 삼기 힘든 면이 있다. 이에 본 연구에서는 시선 추적 기술을 이용해 플레이어의 몰입도를 측정한 뒤 감성 평가를 실시하여 감성 평가의 신뢰성을 높이는 방법을 제안하고자 한다.

인공지능은 다양한 분야에서 사람을 대신하여 성과를 보여준다. 게임 분야에서도 인공지능은 다양한 방면으로 사용된다. NPC(Non Player Character) 제작, 게임 난이도, 콘텐츠 생성 등의 분야에서 활용되고 있다. 그러나 게임에서 사용되는 인공지능은 우수한 성과를 보여주며 사람을 이기기 위해 연구된다. 우수한 인공지능 모델이 게임에 존재하여 게임의 난이도가 상승하게 되면 플레이어가 게임에 흥미를 잃는 경우도 있다. 따라서 본 논문의 목적은 사람과의 대결이 아닌 사람을 서포트 하는 인공지능의 개발이다. 현재 모바일 시장의 게임에는 자동 사냥 시스템이 존재한다. 게임에서 이 시스템은 난수 방식을 사용하기 때문에 효율이 떨어진다. 그러므로 본 논문에서는 병렬구조의 DNN 모델을 사용하여 효율적인 자동 사냥 시스템을 구축한다. 새로 구축한 모델과 기존에 사용하던 난수 방식의 모델을 게임을 통해 비교한다.

중국 수묵화는 당송시대에 가장 발달하였고, 대표적인 문화 장르 중 하나이며, 중국 수묵화를 표현하는 방식은 여러 가지가 있다. 오늘날 게임과 애니메이션 제작기술이 발전함에 따라 기존 수묵화 표현방법을 게임에 적용하여 표현효과를 고양하려는 시도가 있다. 따라서 본 논문에서는 3D 게임 환경에서 중국 수묵화를 표현하는 방법에 대해 연구를 하였으며 기존 게임 엔진에서 PBR 기술을 이용하여 중국 수묵화를 표현하고 실제 게임 제작에 적용하였다. 이를 통해 중국 수묵화의 표현효과를 게임에 재현하였다.

모바일 게임 시장이 스마트폰 중심으로 변화되기 시작하면서 모바일 게임에서는 오토 플레이 시스템이 적용되기 시작하였다. 오토플레이 시스템은 버튼 한번으로 게임을 자동으로 진행하는 시스템 이며 현재 거의 대부분의 모바일 게임에서 적용되었고 PC게임에서 까지 이러한 시스템이 적용되고 있다. 하지만 이러한 오토 플레이 시스템의 성능은 매우 비효율적으로 행동하고 있으며 본 논문에서는 플레이어의 행동 패턴을 기반으로 학습한 인공지능을 제안하고자 한다. 본 논문에서 제안하는 인공지능 모델은 플레이어가 게임을 진행하면서 게임 데이터와 플레이어가 입력한 버튼 값을 학습 데이터로 저장하고 학습데이터를 DNN(Deep Neural Network) 신경망 모델을 사용하여 학습하였다. 게임에서는 플레이어가 중복적으로 다른 버튼을 동시에 누르기 때문에 Output Layer를 다층으로 분류하여 학습을 진행했다. 본 논문 실험에서는 20명의 실험자들에게 제안하는 인공지능 모델을 사용함으로써 결과를 기록하였고 트랙을 일정하게 벽을 부딪치지 않고 달린 플레이어 데이터만 제대로 학습되어 결과를 얻을 수 있었고 그렇지 않은 플레이어의 데이터는 캐릭터가 제대로 이동하지 않아 결과 값을 얻을 수가 없었다. 또한 간단한 아케이드 게임을 만들어 강화학습과 비교하였으며 강화학습보다 성능은 좋지 않았지만 학습속도가 약 10배 빨랐다.

가상현실이란 디지털로 표현된 가상 환경을 뜻하며 인터넷 쇼핑, 아바타 등 기본적으로 디지털 환경을 일컫는 단어이며, 최근에는 머리에 장착하는 디스플레이(HMD : Head Mounted Display)의 등장으로 사용자가 현실과 유사한 환경을 직접 경험하는 체험형 콘텐츠로서 의미를 확장했다. 현재 가상현실은 게임을 비롯한 힐링 콘텐츠, 관광, 군사 시뮬레이션 다양한 분야에서 주목받고 있으며 HMD의 보급 또한 활발하다. 사용자가 가상현실 콘텐츠를 체험하기 위해서는 몇 가지 제약이 발생하는데, 사용자의 시야가 차단되 현실공간감각이 상실된다. 따라서 기존에 사용되었던 입력장치인 키보드, 마우스 등의 사용에 어려움이 있으며 HMD를 개발하는 개발사들은 위의 문제를 해결하고자 가상현실 체험에 특화된 핸드트래킹 디바이스를 제공한다. 하지만 이 또한 상호작용, 이동, 제스처가 손에 집중되어있어 가상환경에 익숙하지 않은 이용자의 사용자 편의가 낮다. 본 논문은 이러한 이동의 문제를 아두이노를 통해 제작한 발 트레킹 디바이스로 이동을 분리시켜 해결하고자 하였다. IMU의 각속도계와 가속도계를 이용해 다리의 궤적을 측정하려 하였고, 이때 발생한 오차는 상보필터를 통해 해결하였다. 또한 기본적으로 발생하는 센싱-통신-연산 과정에서의 노이즈는 두가지 이동평균기법과 생략평균값을 이용해 안정화 시켰다. 사용자는 해당 장비와 Oculus Rift를 착용하고 Unity3d환경으로 구축된 실험환경에서 임무 수행 속도, 이동방향 오차율등을 측정해 기존 HMD컨트롤러와 본 논문에서 제시하는 컨트롤러를 비교 검증했다. 실험 결과 임무 수행 속도와 이동 오차율 모두에서 본 논문에서 제시하는 장치가 우수한 데이터를 제공하였다. 본 실험 결과를 토대로 이동조작 분리가 높은 접근성을 제공한다는 것을 확인하였다. 본 논문은 HMD 이동 컨트롤러를 포함한 이후 개발되는 다양한 사용자 제스처 인식 컨트롤러에도 적용 가능할것으로 보인다.

본 연구에서는 사용자로부터 입력받은 이미지를 분석하여 그에 맞는 음악을 생성, 재생하는 방법을 고안 하였다. 단순히 이미지를 청각화 하는 기술적인 의미 뿐 아니라 사용자의 이미지에 담긴 정서와 의도 또한 담아내는 것을 목표로 하였다. 사용자는 본 연구에서 제안된 어플리케이션에 원하는 물체를 그린다. 인공지능을 통해 이미지가 어떤 물체인지 판별 후, 그 물체와 이어질 수 있는 감정을 대응해 해당 멜로디의 감정과 분위기를 맞출 수 있도록 하였다. 정서에 알맞는 음정(key)를 설정한 뒤, 사용자가 이미지를 그릴 때 입력한 획순을 분석해 이를 기준으로 음계를 추출하여 선율을 생성하였다. 향후 이미지의 청각적 표현을 구현하는 것뿐만 아니라 그림에 대한 예술적인 이해와 의미 있는 음악을 만들어내기 위한 화성법 등의 작곡이론을 연구하여 이미지에 담긴 예술성과 의도를 음악에 담아낼 수 있는 한 가지 방향을 제시할 것이다. 또한 그림을 인식하고 판별하기 위한 인공지능 기술과 그림 분석, 음악 생성 등의 예술 분야를 결합해 공학과 예술의 융합이라는 방향으로서 의미 있는 시도가 될 것이다.

필기 인식은 사람이 작성한 문서나 종이에 쓴 글자, 사진에 보이는 글자 등을 인식하는 기술이다. 대표적인 기술로는 OCR과 온라인 필기인식 기술이 있으며 OCR은 정자로 또박또박 쓴 글씨 인식률은 높지만 그렇지 않는 경우에는 인식률이 낮다. 온라인 필기인식 기술은 필기 입력순서와 사람의 필체의 차이에 따라 인식률이 확연하게 달랐다. 본 논문에서는 이러한 단점을 보완하고자 딥러닝을 이용하여 필기체 인식 시스템을 제안하고자 한다. 본 논문에서는 신경망 알고리즘 중 Convolutional Neural Network와 EMNIST 데이터 세트를 사용하여 학습 데이터를 설계하였고 Unity3D 게임엔진을 이용하여 전체적인 시스템을 구성하였다. 또한 본 논문에서는 CPU와 GPU 성능이 학습 결과에 영향을 미치는지 알아보기 위해 성능을 비교분석을 하였고, loss 값과 accuracy 결과에 큰 차이는 없었지만 학습 속도에는 최대 30배 정도 속도 차이가 났다. 마지막으로 실험을 통해 시스템 인식결과를 분석하였고, 문자와 숫자가 유사한 O, q, l과 같은 알파벳이나, 실험자가 글자를 다른 알파벳과 유사하게 보이게 필기하면 인식률이 낮았다. 본 논문에서 제안하는 시스템은 게임엔진을 사용하여 인공지능 시스템을 개발했기 때문에 프로세스 절차가 간략해졌고 호환성도 좋아졌다.

실생활에서 사용되는 결제 시스템에는 전자 사인 , QR 코드, 바코드들이 사용된다. VR 환경 내에서 구현되어 있는 결제 시스템은 점점 연구가 시작되고 있다. 본 논문은 기존의 결제 시스템을 VR 환경에서 구현하기 위해 손 제스쳐 인식을 이용한 VR 전자사인 시스템을 제안한다. VR 시스템에 서는 키보드를 두드리거나 마우스를 건드릴 수 없는 상황이다. VR 컨트롤러를 가지고 결제 시스템 을 구성하기 위한 방법에는 여러 가지가 있을 수 있다. 손 제스처 인식을 이용한 전자사인이 그 중 하나인데, 손 제스쳐 인식에는 크게 Warping Methods, Statistical Methods, Template Matching 방법 으로 분류할 수 있다. 본 논문에서는 Template Matching 방법에 속한 $p 알고리즘을 이용하여, VR 에서 결제 시스템을 구성하였다. 그리고, VR 환경을 조성하기 위해서 Unity3D와 Vive 장비를 이용 해서 실제 결제가 이루어지는 paypal 시스템을 구현하였다.

다른 장르의 게임에 비해 포커는 게이머의 심리적 요소가 많은 영향을 끼친다. 본 논문에서는 CNN과 SVM을 기반으로 온라인 포커 게임에 게이머와 아바타 간의 감성연결을 실현하기 위한 새로운 감성 인식방법을 제안한다. CNN모델을 이용하여 원래 얼굴 이미지의 특징을 추출하고, 다중 클래스 SVM분류기를 사용하여 목표 이미지를 인식하고 분류한다. FER-2013데이터베이스에서 이 방법은 감성인식률 68.79 %를 달성하였다. 기존의 다른 감성 인식 모델과 비교하면, 이 모델은 뚜렷한 장점을 보일 수 있다. 본 게임은 Socket 통신방식을 통해 감성인식결과를 Seven Poker로 전송하여 아바타가 게이머와 같은 감성을 표현하도록 설계하였다. 온라인 포커 게임에 감성연결 기술을 이용하면 게임과 인간의 상호작용이 향상될 뿐 아니라 게이머가 상대방의 심리적인 활동을 효과적으로 분석할 수 있다. 감성연결 기술은 게임에서 게이머들에게 새로운 게임 경험을 제공할 수 있는 기술이라고 생각된다.

이제는 모바일 마켓순위에서 많은 게임이 높은 점유율을 차지하지만 점유율을 오랫동안 유지 하는 것은 쉽지 않다. 게이머를 끌어당기는 중요한 요소는 게임 재미(Game Fun)이고, 게임을 재미있게 만드는 가장 중요한 요소는 게임 난이도이다. 하지만 게임 난이도를 디자인하는 것은 매우 어려운 일이다. 본 논문은 두 개의 연속적인 컨볼루셔널 레이어를 사용한 컨볼루셔널 신경망과 SVM 분류기를 이용하여 게임 시 플레이어의 얼굴 표정을 실시간으로 검출하고 판단한다. 실험 결론은 CNN을 이용한 표정 시스템은 게임 play-time 및 score를 늘릴 수 있고, 게임 재미를 증진시키기에 도와 준다고 증명하였다.

본 논문에서는 가변요소와 불변요소에 관한 사용자의 상태를 미하이 칙센트미하이의 플로우 이론을 이용하여 분석하고자 하였다. 연구를 위하여 우리는 pc플랫폼의 게임서비스 스팀의 가장 많은 유저수를 보유한 3개의 게임 “플레이어언노운즈 배틀그라운드”, “카운터 스트라크 글로벌 오펜시브”, “톰 클랜시의 레인보우 식스 시즈”을 선정하였다. 우리는 유저의 승패에 직접적으로 영향을 미치는 5가지 요소: 탄착군패턴, 반동패턴, 장비, 스폰 위치, 적 스폰 위치를 선별하였으며, 해당 요소가 가변, 불변요소를 얼마나 내포하였는지, 유저의 의 도에 따라 변화가 가능한지를 확인하고 분류하였다. 또한 우리는 미하이 칙센트미하이의 플로우 이론과 스팀 통계사이트 게임유저수 분석그래프를 통하여 유저풀의 변화를 분석하였다. 이 방법으로 우리는 각각의 게임이 가변요소와 불변요소의 비중에 따라 어떤 유저풀을 가지고 있는지 확인할 수 있었다. 이방법을 통해 우리는 유저심리와 게임개발 모델링에 관하여 공부하고 이것이 장차 앞으로의 게임 개발에 긍정적인 도움이 되기를 바란다.

요약; 최근에는 기계 학습, 특히 심층 학습에 많은 연구가 진행되고 있다. 구글, 페이스 북과 같은 대기업이 인공 지능과 기계 학습에 관심을 가지고 있기 때문에, 이러한 연구는 날마다 발전하고있다. 기계 학습은 의학, 번역 및 IT와 같은 다양한 산업에서 사용될 것으로 기대됩니다. 게임 부문은 기계학습 기술적용의 효과가 예상되는 영역 중 하나라고 간주됩니다. 본 논문에서는 MMORPG-Tera의 게임 콘텐츠에서 몬스터의 승패를 예측하는 신경망을 Tensorflow를 통해 설계하였다. 이 모델은 1 개의 입력 레이어, 2 개의 숨겨진 레이어 및 1 개의 출력 레이어를 가지고 있다. 입력 레이어에는 8 개의 노드가 있고 각 숨겨진 레이어에는 16 개의 노드가 있으며 출력 레이어에는 1 개의 노드가 있다. 더 나은 결과를 위해 우리는 그라디언트 디센트, 시그 모이드 (Sigmoid) 함수 및 Relu 함수 (Activate 함수)에 Adam을 사용한다. 준비된 데이터 세트의 마지막 부분은 테스 트 데이터 용으로 사용되고 나머지는 학습 모델 용으로 사용되었다. 이 모델은 5 ~ 10 % 오차 이내의 확률을 예측할 수 있다. 데이터 세트의 부족은 만족스럽지 않은 점으로 남아 있으며, 충분한 데이터가 수집되고 더 개선 된 모델이 준비되면 오류를 더 줄일 수 있다. 그리고 제안된 모델은 앞으로 다른 게임이나 스포츠 게임에도 적용될 것이다.