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.

This study proposes and verifies a next-generation 3D modeling pipeline integrating Generative AI and Photogrammetry techniques. Two types of objects were selected for experimentation: a bust combining characteristics of both objects and characters, and a stone slab exhibiting planar and symmetrical features. Firstly, videos depicting these objects from various viewpoints were generated using generative AI models. Secondly, these videos were processed through Photogrammetry software to produce high-quality 3D meshes and diffuse textures. Lastly, post-processing including high and Low-polygon mesh separation, UV unwrapping, and texture baking was performed, successfully producing Physically Based Rendering (PBR)-compatible game assets. The proposed pipeline demonstrates significant potential for practical applications across various industries, and further advances in generative AI and future research are expected to broaden this novel approach to digital asset creation.

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.

Non-fungible tokens (NFTs) exploded onto the global digital landscape in 2020, spurred by pandemic-related lockdowns and government stimulus (Ossinger, 2021). An NFT is a unit of data stored on a blockchain that represents or authenticates digital or physical items (Nadini, 2021). Since it resides on a blockchain, NFTs carry the benefits of decentralization, anti-tampering, and traceability (Joy et al., 2022). Fashion brands quickly capitalized on these features, launching fashion NFT collections and garnering significant profits from the sale of fashion NFTs in 2021 (Zhao, 2021). For example, Nike’s December 2021 acquisition of RTFKT (pronounced “artifact”) resulted in USD 185 million in sales less than a year after their acquisition (Marr, 2022).