방대한 빅데이터를 기반으로 발전한 인공지능 기술은 창작과 영상 예술, 인간의 고유 영역으로 여겨졌던 분야에 큰 영향을 미치기 시작했다. 전통적으로 선형적이었던 3D 애니메이션 제작 방식은 AI 이미지 생성 모델을 활용해 초기 기획, 컨셉 및 아이디어를 빠르게 비주얼화하고, 실시간 게임 엔진을 통해 실시간으로 수정 및 개선 작업을 반복하며 완성도를 높이는 비선형 적 방식으로 변화하고 있다. 본 논문에서는 Stable Diffusion의 노드 기반 비주얼 스크립트인 ComfyUI를 활용한 사전 제작 과정과 iClone 및 언리얼 엔진을 통해 디지털 휴먼을 제작하고 구체화하는 일련의 파이프라인을 분석한다. 이를 통해 전통적인 파이프라인을 넘어서는 새로운 예술적 표현의 가능성을 모색한다.

Metaverse is a virtual world where users can engage in various activities, and its market is expected to grow rapidly in the coming years (Hwang, 2021). Generation Z, also known as digital natives, are heavily involved in social media and often share selfies, making them more sensitive to body image concerns (Ameen, 2022). In the metaverse, users can create customized avatars, allowing them to experience an ideal body image. This study applies the “extraordinary self” theory to avatar creation, a concept that explains how people create an ideal, fantastic, or transcendent self by consuming experiences that set them apart from their mundane real self (Procter, 2021). Based on the theory, this study examines how dissatisfaction with body image of Generation Z can lead to the creation of avatars that manifest an ideal body image, which in turn, can influence self-congruence with the avatar and self-esteem in the metaverse. This study also looks into the possible effects of enhanced self-esteem on user’s intention to purchase virtual products and their loyalty to a specific metaverse platform. Therefore, the following hypotheses are developed.

Traditional wooden buildings deform over time and are vulnerable to fire or earthquakes. Therefore, traditional wooden buildings require continuous management and repair, and securing architectural drawings is essential for repair and restoration. Unlike modernized CAD drawings, traditional wooden building drawings scan and store hand-drawn drawings, and in this process, many noise is included due to damage to the drawing itself. These drawings are digitized, but their utilization is poor due to noise. Difficulties in systematic management of traditional wooden buildings are increasing. Noise removal by existing algorithms has limited drawings that can be applied according to noise characteristics and the performance is not uniform. This study presents deep artificial neural network based noised reduction for architectural drawings. Front/side elevation drawings, floor plans, detail drawings of Korean wooden treasure buildings were considered. First, the noise properties of the architectural drawings were learned with both a cycle generative model and heuristic image fusion methods. Consequently, a noise reduction network was trained through supervised learning using training sets prepared using the noise models. The proposed method provided effective removal of noise without deteriorating fine lines in the architectural drawings and it showed good performance for various noise types.

Multi-view system is one of the auto-stereoscopic displays that allows users to watch 3D images without wearing special glasses. Generating contents for the multi-view display system is often accomplished using Depth-image-based rendering (DIBR) intermediate view generation. DIBR-based intermediate view generation method reconstructs a 3D scene with a color image and depth map information. Then, a virtual camera is put in various view positions to capture intermediate view images. In this research, we tried to improve the quality of the DIBR-based intermediate views by applying non-uniform quantization method for depth map information. This paper describes the intermediate view generation process using DIBR. Then, it discusses the evaluation of multi-view intermediate images generated using uniform and non-uniform depth quantization methods. Finally, the paper describes the future direction and how the muti-view systems can be utilized in computer games.

캐리커처 자동 생성기를 개발하기 위한 본 연구는 과거의 여러 연구와는 달리 캐리커처 전문가들이 그리는 방법을 관찰하는 것에서 시작하였다. 관찰 과정에서 전문가들이 특히 그림을 그릴 때 대상물의 형태를 다른 유사한 다른 사물과 비슷하게 그려서 그 특징을 과장하고 있는 사실을 발견하였다. 우리가 일상생활에서 '무엇은 무엇을 닮았다'라고 표현할 때, 이는 동일한 형태 군에서 그 차이점을 부각 시켜서 표현하는 것이다. 본 연구에서는 그리고자 하는 대상물의 형태와 가장 유사한 기하학적 형태를 찾아 그 형태를 강조 변화 하고자 하였다. 연구의 범위는 벡터라인으로 그려진 2차원 단일 외형 폐곡선을 캐리커처 형태로 강조 변화하는 것으로 한정하였다. 이를 위하여 4종류의 유사 기하학적 형태 데이터베이스의 구성방법, 대상 유사 기하학적 형태를 찾기 위한 탐색 방법, 탐색된 데이터를 동일 크기와 좌표로 재배열 방법 그리고 강조 변화하는 방법에 관하여 논하였다. 사람 얼굴을 실험 대상으로 선정하여 데이터베이스를 제작하였다. 변화된 결과물에 대해서 설문한 결과 그 가능성이 입증되었다.

본 연구는 총 15명의 정상인 지원자를 대상으로 1.5T와 3.0T의 자기공명영상기기(Philips, Medical System, Achieva)를 이용하여 강자성 인공물을 최소화하기 위한 최적의 Tesla를 알아보고자 하였다. 평가는 신호대잡음비 평가, 강자성 인공물이 형성된 부위의 길이와 Histogram을 평가하였다. 분석방법으로는 T1, T2 sagitt al 영상의 Background의 4 부위에 관심영역을 설정하고 L3, L4, L5의 각 추체부에 관심영역을 설정한 후 신호대잡음비 값을 측정하였고, 인공물이 형성된 3 부위에 관심영역을 설정하고 길이 값을 측정하였고, Im age J 프로그램을 이용해 인공물 영역의 히스토그램 분포 값을 측정하였다. 본 실험에 대한 결과로 신호대잡음비 평가에서 L3에서는 1.5T와 3.0T 사이에 별 차이가 없는 것으로 나타났고, L4, L5에서는 큰 차이가 있는 것으로 나타났다(p<0.05). 강자성 인공물이 형성된 3 부위의 길이는 3.0T에 비해 1.5T가 더 짧아 주변 조직에 대한 진단적 정보를 더 얻을 수 있는 것으로 나타났다(p<0.05). Histogram평가에서는 3.0T보다 1.5T 가 Count값이 높게 나타났다(p<0.05). 결론적으로 1.5T와 3.0T의 신호대 잡음비, 강자성 인공물의 길이, Hist ogram을 비교 평가해 봤을 때, Spine MRI 검사 시에 PLIF 등 디스크 수술을 받은 환자에게는 Low Tesla로 검사가 최적의 영상정보를 얻을 수 있었다.

본 논문에서는 표본 기반 영상 인페인팅을 이용하여 틀린그림찾기 게임의 컨텐츠를 자동으로 생성하는 방법을 제안한다. 틀린그림찾기 게임은 원본 영상에서 특정 물체를 제거하거나 색상 을 변경, 혹은 다른 물체로 대치시켜서 새로운 영상을 만든 후 두 영상의 차이점을 찾아내는 게임이다. 표본 기반 영상 인페인팅 기술은 정지 영상에서 의미가 없거나 관심 밖의 피사체를 영상에서 제거하는 역할을 한다. 본 논문에서는 표본 기반 영상 인페인팅을 이용해 물체 제거 문제를 자동화시키는 방법을 제안한다. 실제 구현 및 실험을 통해 틀린그림찾기 영상을 생성한 결과 제안하는 방법이 틀린그림찾기 컨텐츠를 자동 생성하는데 효과적임을 확인하였다.

This paper proposes a method for generating radar images used in a ship handling simulator, which includes mathematical logics based on radar equations and information from Openflight format files. In order to make radar image much similar to that of real radar in PPI type, the proposed mathematical logic derives radar video signals under the consideration of not only the data form flight format file of simulation scenes, but also geographical radar's position. The proposed method is considered useful to make radar images in ship handling simulator with accuracy and reality.