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.

소셜 네트워크는 우리 일상 생활의 필수적인 부분이 되었다. 소셜 미디어 정보에 대한 정서 분석은 소셜 네 트워킹 사이트에 대한 사람들의 견해, 태도, 감정을 이해하는 데 도움이 된다. 전통적인 정서 분석은 주로 텍 스트에 의존한다. 스마트폰이 등장하면서 문자뿐만 아니라 이미지 등 네트워크 상의 정보도 점차 다양해지고 있다. 많은 경우 이미지가 감정을 독립적으로 표현하기 보다는 텍스트를 향상시킬 수 있다는 것이 밝혀졌습 니다. 우리는 새로운 이미지 텍스트 정서 분석 모델(LSTM-VAA)을 제안한다. 구체적으로 이 모델은 사진 정보 를 직접 입력으로 가져가지 않고 VGG16 네트워크를 사용하여 이미지 특징을 추출한 다음 시각적 측면 주의 를 생성하고 문서의 핵심 문장에 더 높은 가중치를 부여하고 시각적 측면 주의를 기반으로 문서 표현을 얻 는다. 또한, 우리는 LSTM 네트워크를 사용하여 텍스트 감성을 추출하고 텍스트만을 기반으로 문서 표현을 얻 는다. 마지막으로, 우리는 두 분류 결과 그룹을 통합하여 최종 분류 레이블을 얻는다. 옐프 레스토랑 리뷰 데 이터 세트에서, 우리의 모델은 감정 분류를 위한 시각 주의 보조 텍스트로 시각 정보를 사용하는 것의 효과 를 검증하는 BiGRU-m VGG보다 18.92% 높은 62.08%의 정확도를 달성한다. 비스타넷 모델보다 0.32% 높아 비스타넷 모델의 이미지가 텍스트를 완전히 커버할 수 없는 결함을 LSTM 모델이 효과적으로 보완할 수 있 음을 입증했다.

기술 트렌드가 증가함에 따라, 엄청난 양의 데이터가 생성되고 있습니다. 많은 양의 데이터가 소비되는 기술 분야 중 하나는 컴퓨터 비전이다. 인간은 기계와 비교할 때 시각에 영향을 미치는 표정, 조명 또는 시야각과 같은 외부 조건에서도 얼굴이나 사물을 쉽게 감지하고 인식할 수 있다. 그 이유는 그것과 관련된 높은 차원 의 데이터 때문이다. 데이터 차원성은 모든 관측치에서 측정되는 변수의 총 수를 말합니다. 이번 사업은 안 면인식시스템에 적합한 다양한 차원감소 기법을 비교하고 조도가 다양한 안면이미지로 구성된 다양한 데이 터세트로 테스트해 모델의 정확도 향상에 도움이 되는 기법의 앙상블 모델을 제안하고 성능을 측정하는 것 이 목적이다.렉스 배경과 표현. 제안된 앙상블 모델은 주성분 분석(PCA)과 로컬 선형 임베딩(LLE)이라는 두 가지 차원 감소 기술의 혼합에서 벡터를 추출하고, 이를 밀도 높은 컨볼루션 신경망(CNN)을 통해 전달하여 야생 면(LFW) 데이터 세트의 얼굴을 예측한다. 이 모형은 0.95의 검정 정확도와 0.94의 검정 F1 점수로 수행 됩니다. 제안된 시스템은 시스템이 얼굴을 예측할 수 있는 제안된 앙상블 모델과 통합된 웹캠에서 라이브 비 디오 스트림을 캡처하는 플라스크를 사용하여 개발된 웹 앱을 포함한다.

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.

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.