생성형 AI를 활용한 스미어프레임 표현연구 : 바운싱볼을 중심으로

국문 초록 (Abstract)

생성형 AI(Generative AI) 기술의 비약적인 발전은 숙련된 인력 의존도가 높은 전통적 애니메이션 제작 공정에 혁신적인 변화를 예고하고 있다. 그러나 텍스트나 이미지를 영상으로 변환하는 과정에서, 애니메이션의 핵심 원리인 물리적 운동 법칙과 과장된 시각적 표현이 얼마나 정확하게 구현되는지에 관련한 실증적 연구는 부족한 실정이다. 이에 본 연구는 전통적 애니메이션의 기초 훈련 과정인 ‘바운싱 볼(Bouncing Ball)’과 역동성을 강조하는 ‘스미어 프레임(Smear Frame)’ 기법을 생성형 AI를 통해 어떻게 재해석하고 구현하는지 실증 및 분석하는 데 목적이 있다. 이를 위해 본 연구는 먼저 전통적 애니메이션 이론을 바탕으로 타이밍(Timing), 스페이싱(Spacing), 스쿼시 앤 스트레치(Squash and Stretch) 등의 애니메이션 법칙과 스미어 프레임의 시각적 원리를 평가 준거로 설정하였다. 이후 생성형 AI 기반의 제작 파이프라인을 설계하여, 중력 가속도와 속도 변화에 따른 바운싱 볼 애니메이션을 생성하고 이를 프레임 단위로 분석하였다. 연구 결과, 생성형 AI는 텍스트 프롬프트와 참조 이미지를 통해 기본적인 궤적과 움직임을 생성하는 데 있어 높은 효율성을 보였다. 그러나 세부적인 표현에 있어서는 다음과 같은 한계가 나타났다. 첫째, 시간적 일관성(Temporal Consistency)의 부재로 인해 프레임 간 바운싱 볼의 질량(크기)과 형태가 불규칙하게 변형되는 현상이 관찰되었다. 둘째, 빠른 속도감을 표현하는 스미어 프레임 구현 시, 의도된 양식적 왜곡(Stylistic Distortion)보다는 단순한 모션블러(Motion Blur)나 시각적 오류인 아티팩트(Artifact) 형태로 출력되는 경향을 보였다. 셋째, 물리적 가속도에 따른 스페이싱의 정교함이 떨어져 중력감을 표현하는 데 있어 전통적 기법 대비 이질감이 발생하였다. 결론적으로 생성형 AI는 애니메이션 제작의 초기 단계에서 밑그림을 제공하거나 작업 시간을 단축하는 보조 도구로서의 가능성은 충분하나, 스미어 프레임과 같은 고유한 양식적 표현과 정교한 물성 제어에 있어서는 여전히 작업자의 개입과 시각적 보완이 필수적임을 시사한다. 본 연구는 생성형 AI의 표현적 한계와 특성을 규명함으로써, 향후 생성형 AI 파이프라인 구축을 위한 기초 자료를 제공하는 데 의의가 있다.

다국어 초록 (Multilingual Abstract)

The The recent rapid development of Generative AI technology foreshadows innovative changes in the traditional animation production process, which relies heavily on skilled labor. However, there is a lack of empirical research on how accurately the core principles of animation—specifically the laws of physical motion and exaggerated visual expressions—are implemented during the process of converting text or images into video. Therefore, this study aims to empirically verify and analyze how the "Bouncing Ball," a fundamental training exercise in traditional animation, and the "Smear Frame" technique, which emphasizes dynamics, are reinterpreted and implemented through Generative AI. To this end, this study first established animation principles such as Timing, Spacing, and Squash and Stretch, as well as the visual principles of Smear Frames, as evaluation criteria based on traditional animation theory. Subsequently, a Generative AI-based production pipeline was designed to generate bouncing ball animations according to gravitational acceleration and speed changes, which were then analyzed on a frame-by-frame basis. The results showed that Generative AI demonstrated high efficiency in generating basic trajectories and movements using text prompts and reference images. However, the following limitations were observed regarding detailed expressions: First, due to a lack of Temporal Consistency, irregular deformations in the mass (size) and shape of the bouncing ball between frames were observed. Second, when implementing Smear Frames to express a sense of high speed, the output tended to manifest as simple Motion Blur or visual errors known as Artifacts, rather than the intended Stylistic Distortion. Third, the precision of spacing according to physical acceleration was insufficient, creating a sense of disparity in expressing gravitational weight compared to traditional techniques. In conclusion, while Generative AI shows sufficient potential as an auxiliary tool to provide rough sketches or reduce production time in the early stages of animation, the findings suggest that human intervention and retouching remain essential for unique stylistic expressions like Smear Frames and the precise control of physical properties. This study is significant in that it identifies the expressive limitations and characteristics of Generative AI, thereby providing foundational data for the future construction of Generative AI pipelines.

목차 (Table of Contents)

• 그림목차 ⅲ
• 표목차 iv
• 국문초록 vi
• 제 1 장 서론
• 1.1 연구의 배경 및 목적 1
• 1.1.1 애니메이션 산업의 제작 기술 변화 1
• 1.1.2 AI 애니메이션 움직임 표현의 한계점 3
• 1.1.3 AI 연구 목적 5
• 1.2 연구 대상 및 방법 6
• 1.3 연구의 구성 및 프레임워크 7
• 제 2 장 이론적 배경
• 2.1 스미어 프레임 10
• 2.1.1 스미어 프레임의 개념 및 원리 10
• 2.1.2 스미어 프레임의 종류 14
• 2.1.3 스미어 프레임과 모션블러의 차이 17
• 2.2 바운싱볼의 동작과 구조 18
• 2.2.1 바운싱볼의 개념과 원리 18
• 2.2.2 바운싱볼의 타이밍과 스페이싱 20
• 2.3 생성형 AI를 활용한 애니메이션 제작구조 22
• 2.3.1 생성형 AI의 Diffuse 모델 개념 및 이미지 구현원리 22
• 2.3.2 생성형 AI 애니메이션 제작 프레임워크 24
• 제 3 장 생성형 AI 바운싱볼 제작 과정 설계
• 3.1 실험개요 27
• 3.2 실험 환경 및 도구 28
• 3.3 실험 모델 29
• 3.3.1 바운싱볼 외형 모델 29
• 3.3.2 바운싱볼 타이밍 모델 31
• 3.3.3 바운싱볼 스미어 모델 33
• 3.4 실험 절차 35
• 3.4.1 바운싱볼의 타이밍 연구 35
• 3.4.2 바운싱볼의 스미어 연구 37
• 3.5 평가 지표 38
• 3.5.1 애니메이션 원칙 기반 기술적 평가 38
• 3.5.2 AI 애니메이션 생성 종류별 기술적 평가 39
• 제 4 장 스미어 프레임 표현연구 결과 및 분석
• 4.1 바운싱볼 표현실험 39
• 4.1.1 중력 가속도에 따른 스쿼시 앤 스트레치 표현 및 평가 39
• 4.1.2 간격 변화에 따른 속도, 무게 표현 및 평가 46
• 4.2 스미어 프레임 표현실험 52
• 제 5 장 결론
• 5.1 연구 결과 요약 59
• 5.2 연구 한계점 59
• 5.3 제언 및 향후 연구과제 60
• 참고문헌 61
• Abstract 63