http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 박인평 (검색결과 14 건)
- 무료
- 기관 내 무료
- 유료
-
-
-
-
생물진화론 기반 수집용 NFT의 유형 및 특성 분석 - Opensea의 대표사례 중심으로 -
박인평,한정엽 한국공간디자인학회 2022 한국공간디자인학회논문집 Vol.17 No.4
(연구배경 및 목적) 최근 디지털 아트 분야에서 화두가 되는 NFT 중 수집용 NFT가 높은 관심을 받고 있다. 지난해 말 나이키가 패션 NFT 스타트 업인 ‘RTFKT’를 인수하는 등 수집용 NFT는 큰 성장이 예고되는 시장이다. 하지만 NFT에 대한 연구는 여전히 제한적이며 저작권 규정과 같은 기술적인 측면에 주로 중점을 두고 있다. 또한 해외에서는 다양한 수집용 NFT들이 선보이고 있는데 비하여 국내에서는 아직 다양한 수집용 NFT의 개발이 이루어지고 있지 않은 현실이다. 이에 본 연구에서는 오픈씨(Opensea) 플랫폼에서 수집용 NFT의 유형을 살펴보고 그 특성을 분석하여 향후 수집용 NFT의 방향성 제시와 수집용 NFT 콘텐츠 개발 방향성 제시에 목적을 둔다. (연구방법) 본 연구는 먼저 문헌연구를 통해 수집용 NFT의 개념과 수집용 NFT의 일반적인 특성을 고찰한 다음, 생물진화론에 기반하여 유형을 분류하였다. 그 후 Opensea플랫폼 안에서 수집용 NFT의 대표 사례를 찾아 분석하였다. Opensea에서 수집용 NFT의 대표 사례로 아티펙트-모노리스(RTFKT-MNLTH)를 선정하여 생물진화론을 활용해 이미지를 분석하고, 수집용 NFT의 일반적인 특성과 진화론적인 특성을 확인했다. 이를 통해 결론적으로 수집용 NFT의 특성과 주요 유형을 확인하였다. 대표 사례의 세부 분석을 위해서는 신뢰성, 커뮤니티, 희소성, 랜덤성, 콜라보레이션 총 5가지 세부 정보를 척도로 활용했다. (결과) 수집용 NFT의 일반적인 특성으로는 개발자의 신뢰성이 높아야 하고 이를 위해 커뮤니티를 활용하여 컬렉터들과 활발하게 소통한다. 그리고 한정된 수량으로 제작하여 희소성을 가지게 제작된다. 이렇게 제작된 이미지는 리빌시 랜덤하게 진화하여 랜덤성을 가진다. 또한 다양한 분야의 유명 작가와의 콜라보레이션을 통해 가치를 향상시키는 특성을 가지고 있다. 진화론적 특성으로는 발현전, 발현, 재발현의 과정이 필요하다. 발현전 유형을 통해 이미지가 나타나고 리빌이란 과정을 통해 한 단계 새로운 이미지로 진화하여 발현된다. 그 후 작가들과의 다양한 콜라보레이션을 통해 재발현 유형으로 진화한다. 이런 진화론적 특성은 컬렉터들에게 컬렉션에 대한 기대감과 흥미를 유발한다. (결론) 지금까지의 수집용 NFT의 유형이 발현전과 발현후 이미지가 주를 이뤘다면 앞으로의 수집용 NFT는 본 연구의 사례처럼 다양한 형태와 범위로 재발현될 것으로 판단된다. 향후 수집용 NFT는 단순 블록체인을 이미지, 동영상, 오디오에 연결하는 방식에서 더 나아가 이미지나 영상이 진화하여 재발현되도록 지속적인 가치를 제공해 주어야 할 것으로 사료된다.
-
이미지생성 인공지능의 유형 및 이미지 활용 분석 -이미지 전이, 변형, 확장 대표사례 중심으로 -
박 인 평,한정엽 한국공간디자인학회 2023 한국공간디자인학회논문집 Vol.18 No.8
(연구 배경 및 목적) 최근 이미지생성 인공지능(AI)은 디지털 아트 분야에서 높은 관심을 받고 있다. 미국에서 열린 한 미술전에서 인공지능이 생성한 그림이 우승을 차지하면서 논란이 일고 있다. 하지만 이미지생성 인공지능에 대한 연구는 여전히 제한적이며 콘텐츠 개발과 같은 기술적인 측면에 주로 중점을 두고 있다. 이에 본 연구는 현재 사용이 가능한 온라인 플랫폼에서 이미지생성 인공지능의 유형을 살펴보고 활용 방안을 분석하여 향후 이미지생성 인공지능의 활용 방법에 대한 기초자료를 제공하고 활용 방향을 제시하는데 목적이 있다. (연구 방법) 본 연구는 먼저 문헌 조사를 통해 뉴럴네트워크 딥러닝(Neural Network Deep Learning) 의 개념과 이미지 생성 인공지능의 유형 및 활용 사례를 고찰한 다음, 이미지생성 인공지능의 유형별 대표 사례를 찾아 활용적 특성을 분석한다. 대표 사례는 2022년 10월 31일 기준으로 온라인에서 사용 가능한 이미지생성 인공지능 중 전이, 변형, 확장의 사례가 명확한 인공지능을 사례분석 대상으로 선정하였다. 대표 사례의 활용적 분석을 위해서는 입력 방법, 이미지 스타일, 샘플 제안, 그리고 활용 총 4가지 세부 정보를 척도로 활용했다. 이후 각 대표 사례에 세부 척도를 대입해 특성을 분석한다. (결과) 첫째, 이미지 생성 인공지능 이미지 전이 유형의 대표 사례인 미드저니(Midjourney)에서는 text to image 방식으로 이미지를 생성하는 특성이 있으며 회화적인 이미지 스타일로 이미지를 만드는데 활용되고 있다. 둘째, 이미지 생성 인공지능 이미지 변형 유형의 대표 사례인 아트브리더(Artbreeder)에서는 기존의 이미지를 업로드 하거나 이미 만들어진 이미지에 슬라이더를 조정하여 새로운 변형을 제작하는 특성이 있으며 사진이나 반실사풍 이미지 스타일로 활용되고 있다. 셋째, 이미지 생성 인공지능 이미지 확장 유형의 대표 사례인 달리2(DALL-E 2)에서는 아웃페인팅, 인페인팅 기능을 사용하여 이미지를 확장하거나 이미지 속 내용물을 수정하는 특성이 있으며 사진 이미지 스타일로 활용이 용이하다. 이미지 생성 인공지능의 활용 특성으로는 입력 방법에 따라 편의성이 달라지고 툴에서 제공하는 효과에 따라 이미지의 다양한 변형이 가능하다. 제공하는 샘플의 수량과 차이로 원하는 이미지를 찾기가 수월해진다. (결론) 이미지생성 인공지능은 전이, 변형, 확장유형에 따라 입력방식과 이미지 스타일에 차이가 있다. 따라서 사용자들은 이미지를 활용하는 목적에 따라 알맞은 이미지 전이, 변형, 확장 인공지능을 선별하여 사용해야 한다. (Background and Purpose)Recently, image-generative artificial intelligence (AI) has received considerable attention in the digital arts field. An AI artwork won an award and caused controversy at an art exhibition held in the United States. However, research on image-generative AI is still limited and mainly focuses on technical aspects, such as content development. Therefore, the purpose of this study was to provide basic data on how to use image-generative AI in the future and to suggest directions for its use by examining the types of image-generative AI currently available on online platforms and analyzing ways to utilize them. (Method) This study first examined the concept of neural network deep learning and the types and utilization cases of image-generative AI through a literature review, and then found representative cases of each type of image-generative AI to analyze its utilization characteristics. Among the image-generative AIs available online as of October 31, 2022, those with clear cases of transfer, translation, and extension were selected as representative cases. To analyze the utilization of the representative cases, four types of detailed information were used as scales: input method, image style, sample suggestion, and utilization. Subsequently, detailed scales were applied to each representative case to analyze its characteristics. (Results) First, Midjourney, a representative AI image generator that uses image transfer, generates images using a text-to-image method and is used to create images in a pictorial style. Second, Artbreeder, a representative AI image generator that uses image translation, creates a new translation by uploading an existing image or adjusting a slider on an already created image and is used for a photo-realistic or semi-realistic image style. Third, Dall-E 2, a representative AI image generator that uses image extension, extends the image or modifies its contents using inpainting and outpainting techniques, and is easy to use for photo-style images. Regarding the utilization characteristics of image-generative AI, the convenience varies depending on the input method and various translations of images are possible depending on the effects provided by the tool. The difference in the number of samples makes it easier to obtain the desired image. (Conclusions) Image-generative AIs use different input methods and image styles based on transfer, translation, and extension. Therefore, users must select and use appropriate image transfer, translation, and extension AIs depending on the purpose of image utilization.
-
이미지생성 인공지능의 유형 및 이미지 활용 분석 - 이미지 전이, 변형, 확장 대표사례 중심으로 -
박인평 ( Park Inpyung ),한정엽 ( Han Jungyeob ) 한국공간디자인학회 2023 한국공간디자인학회논문집 Vol.18 No.8
(연구 배경 및 목적) 최근 이미지생성 인공지능(AI)은 디지털 아트 분야에서 높은 관심을 받고 있다. 미국에서 열린 한 미술전에서 인공지능이 생성한 그림이 우승을 차지하면서 논란이 일고 있다. 하지만 이미지생성 인공지능에 대한 연구는 여전히 제한적이며 콘텐츠 개발과 같은 기술적인 측면에 주로 중점을 두고 있다. 이에 본 연구는 현재 사용이 가능한 온라인 플랫폼에서 이미지생성 인공지능의 유형을 살펴보고 활용 방안을 분석하여 향후 이미지생성 인공지능의 활용 방법에 대한 기초자료를 제공하고 활용 방향을 제시하는데 목적이 있다. (연구 방법) 본 연구는 먼저 문헌 조사를 통해 뉴럴네트워크 딥러닝(Neural Network Deep Learning) 의 개념과 이미지 생성 인공지능의 유형 및 활용 사례를 고찰한 다음, 이미지생성 인공지능의 유형별 대표 사례를 찾아 활용적 특성을 분석한다. 대표 사례는 2022년 10월 31일 기준으로 온라인에서 사용 가능한 이미지생성 인공지능 중 전이, 변형, 확장의 사례가 명확한 인공지능을 사례분석 대상으로 선정하였다. 대표 사례의 활용적 분석을 위해서는 입력 방법, 이미지 스타일, 샘플 제안, 그리고 활용 총 4가지 세부 정보를 척도로 활용했다. 이후 각 대표 사례에 세부 척도를 대입해 특성을 분석한다. (결과) 첫째, 이미지 생성 인공지능 이미지 전이 유형의 대표 사례인 미드저니(Midjourney)에서는 text to image 방식으로 이미지를 생성하는 특성이 있으며 회화적인 이미지 스타일로 이미지를 만드는데 활용되고 있다. 둘째, 이미지 생성 인공지능 이미지 변형 유형의 대표 사례인 아트브리더(Artbreeder)에서는 기존의 이미지를 업로드 하거나 이미 만들어진 이미지에 슬라이더를 조정하여 새로운 변형을 제작하는 특성이 있으며 사진이나 반실사풍 이미지 스타일로 활용되고 있다. 셋째, 이미지 생성 인공지능 이미지 확장 유형의 대표 사례인 달리2(DALL-E 2)에서는 아웃페인팅, 인페인팅 기능을 사용하여 이미지를 확장하거나 이미지 속 내용물을 수정하는 특성이 있으며 사진 이미지 스타일로 활용이 용이하다. 이미지 생성 인공지능의 활용 특성으로는 입력 방법에 따라 편의성이 달라지고 툴에서 제공하는 효과에 따라 이미지의 다양한 변형이 가능하다. 제공하는 샘플의 수량과 차이로 원하는 이미지를 찾기가 수월해진다. (결론) 이미지생성 인공지능은 전이, 변형, 확장유형에 따라 입력방식과 이미지 스타일에 차이가 있다. 따라서 사용자들은 이미지를 활용하는 목적에 따라 알맞은 이미지 전이, 변형, 확장 인공지능을 선별하여 사용해야 한다. (Background and Purpose)Recently, image-generative artificial intelligence (AI) has received considerable attention in the digital arts field. An AI artwork won an award and caused controversy at an art exhibition held in the United States. However, research on image-generative AI is still limited and mainly focuses on technical aspects, such as content development. Therefore, the purpose of this study was to provide basic data on how to use image-generative AI in the future and to suggest directions for its use by examining the types of image-generative AI currently available on online platforms and analyzing ways to utilize them. (Method) This study first examined the concept of neural network deep learning and the types and utilization cases of image-generative AI through a literature review, and then found representative cases of each type of image-generative AI to analyze its utilization characteristics. Among the image-generative AIs available online as of October 31, 2022, those with clear cases of transfer, translation, and extension were selected as representative cases. To analyze the utilization of the representative cases, four types of detailed information were used as scales: input method, image style, sample suggestion, and utilization. Subsequently, detailed scales were applied to each representative case to analyze its characteristics. (Results) First, Midjourney, a representative AI image generator that uses image transfer, generates images using a text-to-image method and is used to create images in a pictorial style. Second, Artbreeder, a representative AI image generator that uses image translation, creates a new translation by uploading an existing image or adjusting a slider on an already created image and is used for a photo-realistic or semi-realistic image style. Third, Dall-E 2, a representative AI image generator that uses image extension, extends the image or modifies its contents using inpainting and outpainting techniques, and is easy to use for photo-style images. Regarding the utilization characteristics of image-generative AI, the convenience varies depending on the input method and various translations of images are possible depending on the effects provided by the tool. The difference in the number of samples makes it easier to obtain the desired image. (Conclusions) Image-generative AIs use different input methods and image styles based on transfer, translation, and extension. Therefore, users must select and use appropriate image transfer, translation, and extension AIs depending on the purpose of image utilization.
-
-
-
-
KCI연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
