디지털 휴먼 제작기술 기반 영상미디어 활용사례 및 특성연구 -실시간 / 비실시간 영상을 중심으로-

이다영; 한정엽

추천

검색

자료유형: 학술저널

저자정보: 이다영 (홍익대학교) 한정엽 (홍익대학교)

저널정보: 한국공간디자인학회 한국공간디자인학회 논문집 한국공간디자인학회 논문집 제17권 제7호

발행연도: 2022.10

수록면: 419 - 428 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

(연구배경 및 목적) 디지털 휴먼을 활용한 시장 규모가 급성장 중이다. 기술의 한계로 인해 지속적인 발전이 어려웠던 과거에비해 현재는 기술의 발전으로 디지털 휴먼의 제작단가가 크게 절감되었고, 다양한 소셜미디어 등의 출현으로 대중들과의 활발한상호작용이 가능한 미디어까지 그 활용범위가 확장되었다. 그러나 이러한 기술의 발전과 시장의 확장성에 비해 디지털 휴먼 제작기술 기반 미디어 활용사례에 대한 연구는 아직 미비한 실정이다. 따라서 본 연구는 디지털 휴먼 제작기술 유형에 따른 미디어활용사례의 특성을 분석하여 향후 디지털 휴먼 콘텐츠 제작의 실무적인 시사점을 제공하는 것을 목적으로 한다. (연구방법) 연구의 방법은 먼저 디지털 휴먼의 이론적 정의를 확인한 후 선행연구의 제작방식 분류기준을 참고하여 실사합성, 풀 3D, AI 세 가지 유형으로 분류한다. 연구의 범위는 영상 미디어로 한정하고 제작방식에 따라 실시간과 비실시간으로 구분한다. (결과) 본 연구는 디지털 휴먼 제작기술 기반 영상 미디어 활용사례를 분석한 것이다. 실사합성 유형은 제작시간과 비용이 적게 들어 효율성이 높다는 장점이 있으나, 영상이 오랜 시간 실시간으로 지속될 경우 얼굴의 각도나 움직임에 따라 합성된 부분이 부자연스럽게보여 디테일은 떨어지는 특성이 나타나 실시간 영상에는 적합하지 않았다. 풀 3D 유형은 대부분 게임엔진 기반을 제작되어 그래픽적으로 높은 퀄리티의 결과물이 나오지만, 모션캡처가 실시간으로 송출되기에는 아직 불안정하여 비실시간 영상에 적합하다. AI유형은 딥러닝 학습을 기반으로 대부분 실제 사람을 복원시키는 형태로 활용되고 있는데, 입모양의 움직임이 자연스럽고 미리학습된 내용을 바탕으로 즉각적 대응이 가능하기 때문에 실시간 방송에 가장 적합하다. (결론) 분석 결과를 통해 디지털 휴먼 제작기술 유형 별로 효율성, 디테일, 실시간 대응 면에서 차별점과 한계점을 파악하고 실시간 영상 혹은 비실시간 영상에 적절한지도출해낼 수 있었다. 향후 본 연구가 디지털 휴먼 제작기술을 각 유형에 적합한 방식으로 미디어에 활용할 수 있는 실무적 시사점을 제작자들에게 제공할 수 있길 기대해본다.

(Background and Purpose) The size of the market utilizing digital humans is growing rapidly. Compared to the past, the production costs of digital humans today have been significantly reduced due to technological development, and the scope of this technology’s utilization has been extended with the emergence of various social media that enables active interaction of digital humans with the public. However, compared to technological development and market expansion, studies on utilization cases of media based on digital human production techniques remain insufficient. Therefore, this study aims to provide practical implications for digital human content production in the future by analyzing the characteristics of utilization cases of video media according to the types of digital human production techniques. (Method) This study first confirmed the theoretical definition of digital humans, further classifying them into three types based on the classification criteria of production methods in previous studies: real image composition, Full 3D, and artificial intelligence (AI). The scope of the study was limited to video media, and it was divided into real-time and non-real-time according to the production method. (Results) This study analyzed utilization cases of video media based on digital human production techniques. The real image composition type had high efficiency due to low production time and production costs; however, it was not suitable for real-time video because the composition looked unnatural depending on the angle or movement of the face if the video continued in real time for a long period. As most full 3D types are produced based on game engines, they produce high-quality results graphically; however, motion capture continues to be unstable to be transmitted in real time; therefore, it is suitable for non-real-time video. AI type is mostly used in the form of restoring real people based on deep learning, which is most suitable for real-time broadcasting as mouth movement looks natural in this case, and it is possible to respond immediately based on the contents learned in advance. (Conclusions) Through the analysis results, it was possible to identify differences and limitations in efficiency, detail, and real-time response by type of digital human production techniques and to determine whether the type was suitable for real-time or non-real-time videos. In the future, it is hoped that this study will provide producers with practical implications for using digital human production techniques in media in a way most suited to each type.

#디지털 휴먼 #버추얼 휴먼 #미디어 #영상 #인공지능 #Digital humans #Virtual human #Media #Video #Artificial intelligence

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이다영

소속기관 홍익대학교

주요연구분야 예술체육학 > 디자인

논문수 2 이용수 115

한정엽

소속기관 홍익대학교

주요연구분야 예술체육학 > 디자인

논문수 43 이용수 1,666

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)