This study proposes a real-time content design pipeline optimized for Unreal Engine, integrating generative AI-based image creation with AI-assisted 3D modeling tools. The pipeline aims to streamline the production of high-quality assets for real-time applications, including games and simulations. Two types of subjects were selected: a bust combining organic character features, and a stone slab characterized by planar and symmetrical structure. Multi-angle image data were first synthesized using advanced generative AI models to simulate diverse viewpoints. These were then processed using AI-enhanced photogrammetry and modeling tools to reconstruct detailed 3D meshes and extract base textures. Post-processing steps, including mesh decimation, UV unwrapping, and texture baking, were performed to ensure compatibility with Physically Based Rendering (PBR) workflows used in Unreal Engine. The final assets were successfully imported into Unreal Engine, demonstrating visual fidelity and performance suitability in a real-time environment. The study confirms the pipeline’s potential for accelerating asset development and suggests promising future directions in AI-driven digital content creation.

Advances in digital tools and building structure technologies have enabled more flexible architectural design, with AI-based performance design gaining considerable attention as a new design methodology. Stadium design must consider the two primary elements of sports events: athletes and spectators. Given that the facade of a stadium directly impacts solar energy efficiency, it is essential to incorporate environmental performance considerations from the initial design phase. This study employs an AI-based Generative Design process to generate a facade form that efficiently manages solar radiation and daylight, satisfying two conflicting performance objectives: max- imizing sunlight for turf growth in the pitch zone and minimizing direct sunlight exposure in the stadium seating zone. The optimal solution derived ranks 331st for pitch zone sunlight and 408th for stadium seating sunlight out of a dataset of 1,000 models. While this solution does not represent the absolute best for either individual objective, it is evaluated as the most balanced alternative, achieving the goal of maximizing sunlight in the pitch zone and minimizing it in the seating zone

In the case of Korean coastal fishing vessels primarily, it satisfies the fishing capacity and shifts in pace with trends. At the moment, speedy vessels with large load capacity and competitive hull forms are preferred since catch has decreased. However, in the design of Korean coastal fishing vessels, performance verification designers and related commercial programs are not utilized in various fields such as large vessels. Moreover, alleviated standards are applied, making securing and verifying the performance of fishermen’s preferred hull a must. To meet such demands, this research suggests a design system that the modules can be brought together as a fishing vessel model by AI; this would be a turnaround of coastal fishing vessel designing.

본 연구에서는 Text-to-3D 생성형 AI 기술을 활용하여 메타버스 방 꾸미기 게임의 프로토타 입을 설계하고 구현하고자 하였다. <Roblox>와 <Minecraft>와 같은 가상 현실 기반의 메타버 스 게임은 사용자를 단순한 플레이어에서 창작자인 크리에이터로 발전할 수 있게 하였고 이러 한 재미 요소는 대중적인 인기에 이바지하였다. 생성형 AI는 데이터와 패턴을 기반으로 다양 한 형태의 미디어 콘텐츠를 쉽게 생성할 수 있으며, 게임 개발에도 마찬가지로 유용하다. 이러 한 생성형 AI를 통한 콘텐츠 제작은 시간과 비용을 절약할 뿐만 아니라 결과적으로 콘텐츠의 품질을 높이고 다양성을 확보할 수 있다. 본 연구에서는 언리얼 엔진의 네트워크 프레임워크 를 활용한 리슨 서버(Listen-Server) 방식으로 방 꾸미기 게임을 설계 및 구현하였다. 이 게 임의 핵심 시스템은 메타버스에서 사용자가 쉽게 생성형 AI로 3D 모델을 생성하고, 자신의 방 에 배치할 수 있게 하는 것이다. 본 연구를 통해 코딩 기초 이해는 물론 좀 더 쉬운 방법으로 3D 오브젝트 생성을 통해 사용자가 원하는 메타버스 플랫폼 제작을 가능하게 하며 이러한 과 정은 사용자뿐만 아니라 동시에 창작자의 역할로 이용자의 주체성, 창의성, 의사소통 능력 등 을 향상할 가능성을 찾고자 한다. 그뿐만 아니라 기본적인 코딩 학습을 이해함으로써 사용자 의 창작 활동에 기회를 확장할 뿐만 아니라 메타버스 콘텐츠 개발에 이바지하고자 한다.

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.

In recent years, the trend of customer demand and personalization has become more and more obvious. The previous innovation model can no longer meet the diversified needs of consumers. Therefore, firms vigorously develop open innovation to promote internal and external innovation (von Hippel, 1988). With the rapid development of AI technology, open innovation communities have more interactions with the users. Organizations continue to rely on their open innovation community to collect innovative ideas from non-professional customers and then integrate them into their new product development process to produce innovative products that are more in line with customer preferences (Bayus, 2013). At present, the research on user design focuses on how to increase user design implementation and the idea popularity (Yang et al., 2022; Zhang et al., 2022). Few studies discussed how to motivate consumers to participate in innovative content output from the source. In addition, academic research on user design is mostly limited to management comments, lacking in-depth empirical research (Franke et al. 2008). Previous studies have proved that the number of leading users in the open innovation community is far less than that of non-leading users (Hofstetter et al., 2018), so it is very necessary to improve the willingness of users to participate in community creative activities. With the vigorous development of the new technology, it is an urgent problem to be solved to encourage users to participate in innovation activities and improve the innovation performance of firms (Chesbrough, 2012). Today, firms pay more and more attention on the implementation of AI technology. With AI and user design as the research background, “AI recommendation” and “willingness to design” as the key variables, and the “S-O-R model” and “Self-determination Theory” as the basis, this paper deeply explores whether AI recommendation can be used as a factor affecting user’s participation in design activities from the perspective of users, focusing on the intermediary role of user’s inspiration, competency and self-expression. It also puts forward that product involvement and aesthetic experience openness (Donghwy and Youn, 2018) are the boundary conditions that affect user’s willingness to participate in design. The results show that user’s willingness to participate in design is higher when providing AI recommedation, and the sense of inspiration, competence and self-expression play a mediating role in it. Furthermore, the results show that when product involvement is high, users are more willing to participate in design. Similarly, users with a high degree of aesthetic experience openness are more willing to participate in design activities. This study enriches the theory of enterprise community management, promote the internal information flow of the open innovation community, and provide theoretical guidance and reference for firms to optimize the new product design process.

본 논문에서는 AI 기반 설계 탐색 기법을 활용하여 선박의 주요 치수 최적화를 수행하였다. 설계 탐색 기법은 최적화 프로그램 HEEDS의 SHERPA 알고리즘을 사용하였다. 유동 해석은 상용 CFD 코드인 STAR-CCM+를 사용하였고, 주요 치수 변환은 전처리 과정에서 JAVA Script와 Python을 사용하여 선박의 치수가 자동으로 변환되도록 설정하였다. 대상 선박은 소형 쌍동선형으로 주요 치수 최적화는 한쪽 선형의 길이, 폭, 흘수 그리고 단동선형 간의 간격에 대하여 수행되었다. 최적화 알고리즘에 사용된 목적함수는 총저항이며, 내부 의 장 시스템의 크기 등을 고려한 배수 체적의 범위를 제한조건으로 선정하였다. 그 결과 최적 선형의 주요 치수는 기존 선형 대비 ±5% 내 에서 변화가 있었고 총저항은 약 11% 개선된 결과를 보였다. 본 연구를 통해 선박의 형상을 직접 변경하지 않더라도 주요 치수 최적화를 통해 선박의 저항 성능이 향상됨을 확인하였고, 다양한 선박의 주요 치수 최적화를 통한 성능 향상에 활용이 될 것으로 기대한다.

현재 교량과 같은 토목구조물의 설계프로세스는 1차 설계 후 구조 검토를 수행하여 기준에 부적합할 경우 재설계하는 과정을 반복 하여 최종적인 성과품을 만드는 것이 일반적이다. 이러한 반복 과정은 설계에 소요되는 기간을 연장시키는 원인이 되며, 보다 수준 높 은 설계를 위해 투입되어야 할 고급 엔지니어링 인력을 기계적인 단순 반복 작업에 소모하고 있다. 이러한 문제는 설계 과정 자동화를 통하여 해결할 수 있으나, 설계 과정에서 사용되는 해석프로그램은 이러한 자동화에 가장 큰 장애요인이 되어 왔다. 본 연구에서는 기 존 설계 과정 중 반복작업을 대체하고자 강화학습 알고리즘과 외부 해석프로그램을 함께 제어할 수 있는 인터페이스를 포함한 교량 설계 프로세스에 대한 AI기반 자동화 시스템을 구축하였다. 이 연구를 통하여 구축된 시스템의 프로토타입은 2경간 RC라멘교를 대 상으로 제작하였다. 개발된 인터페이스 체계는 향후 최신 AI 및 타 형식의 교량설계 간 연계를 위한 기초기술로써 활용될 수 있을 것 으로 판단된다..