• 지적과 국토정보
• /
• 제52권2호
• /
• pp.171-187
• /
• 2022

최근, 코로나 바이러스 감염증으로 인해 발생한 팬데믹의 영향으로 비대면 서비스에 대한 수요와 발전이 급속도로 진행되고 있는 가운데 중심에 있는 메타버스(Metaverse)에 대한 이목이 집중되고 있다. 가상과 현실을 초월하는 세계를 의미하는 메타버스는 4차 산업혁명 시대에 접어들어 다양한 센싱기술과 3D 재현기술이 융합되어 사용자에게 쉽고 빠르게 다양한 정보를 제공하고 서비스가 가능하다. 특히, 이 가운데 고해상도의 영상촬영이 가능한 무인항공기(UAV) 및 정밀도 높은 LiDAR 센서와 같은 융복합센서의 소형화 및 경제성 증가로 인해 높은 재현도 및 정확도를 가진 3D 공간정보를 획득하여 현실의 쌍둥이를 만들어 시뮬레이션하는 디지털 트윈(Digital-Twin)에 대한 연구가 활발히 진행되고 있다. 또한, 컴퓨터 그래픽 분야의 게임엔진(Game engine)이 강력한 3D 그래픽 재현 및 역학적 연산을 바탕으로 한 시뮬레이션 등이 확장되어 메타버스 엔진으로 발전하고 있다. 본 연구는 무인항공시스템(UAS)과 LiDAR 센서를 융합하여 획득한 정확도 높은 3D 공간정보 데이터를 최근 발표된 메타버스 엔진인 언리얼 엔진을 활용하여 실세계 좌표기반 현실을 반영한 거울세계 형태의 메타버스를 구축하였다. 이후, 다양한 공공데이터를 기반으로 사용자를 위한 공간정보 컨텐츠 및 시뮬레이션을 구축하여 재현 정확도를 검증하고, 이를 통해 보다 실감나고 공간정보 활용성이 높은 메타버스 구축에 대하여 고찰하였다. 또한, 언리얼 엔진을 통해 사용자가 직관적이고 쉽게 접근할 수 있는 메타버스를 구축할 경우 재현도 높은 좌표기반의 3D 공간정보를 통해 다양한 컨텐츠 활용성과 효용성을 확인할 수 있었다.

• 재활치료과학
• /
• 제12권4호
• /
• pp.9-22
• /
• 2023

라이프스타일-형성 모델(Lifestyle-DEPER [Decision, Execution, Personal Factor, Environment, Resources])은 라이프스타일이 어떻게 형성되는지를 설명해 준다. 라이프스타일은 결정, 실행, 습관화 단계를 거쳐 형성된다. 결정 단계는 무엇을 할 것인가를 결정하는 단계이고, 실행 단계는 실제로 활동과 작업을 수행하는 단계이다. 두 단계가 지속적으로 반복되는 것을 습관화라고 한다. 라이프스타일 형성 단계에 영향을 주는 요소들은 환경, 자원, 개인적 요소로 구분된다. 환경은 우리 주변을 둘러싸고 있는 것으로 사회적 환경, 물리적 환경, 문화적 환경, 가상적 환경이 포함된다. 자원은 개인이 가지고 있는 것으로 건강적 자원, 시간적 자원, 경제적 자원, 사회적 자원 등으로 분류된다. 개인적 요소는 역량, 욕구, 가치가 포함된다. 역량은 할 수 있는 능력, 욕구는 현재 상태와 원하는 상태의 차이, 가치는 개인이 중요하다고 생각되는 것을 뜻한다. 라이프스타일의 형성 단계에서 환경, 자원, 개인적 요소는 각 단계별로 서로간에 영향을 준다. 이러한 전반적 과정을 흔드는 것을 사건이라고 하며, 개인적 사회적 사건을 모두 포함한다. 건강과 관련된 라이프스타일 요소는 신체활동, 식습관, 사회관계, 활동 참여이며, 이것들이 라이프스타일 중재의 목표이다. Lifestyle-DEPER 모델을 기반으로 한 중재 전략 KEEP (지식, 경험, 평가, 계획[Knowledge, Evaluation, Experience, Plan])은 라이프스타일 형성 단계와 영향 요소들을 다면적으로 고려한 건강을 위한 중재 전략이다. 본 문헌을 통해 Lifestyle-DEPER 모델을 소개하고, 건강을 위한 라이프스타일 중재 전략(KEEP)을 제시하였다. 추후 연구를 통해 Lifestyle-DEPER 모델과 KEEP 전략은 타당성과 적용 가능성에 대한 검증이 필요할 것으로 사료된다.

• 서비스연구
• /
• 제14권1호
• /
• pp.13-26
• /
• 2024

멀티모달 (multi-modal) 생성이란 텍스트, 이미지, 오디오 등 다양한 정보를 기반으로 결과를 도출하는 작업을 말한다. AI 기술의 비약적인 발전으로 인해 여러 가지 유형의 데이터를 종합적으로 처리해 결과를 도출하는 멀티모달 기반 시스템 또한 다양해지는 추세이다. 본 논문은 음성과 텍스트 인식을 활용하여 인물을 묘사하면, 몽타주 이미지를 생성하는 AI 시스템의 개발 내용을 소개한다. 기존의 몽타주 생성 기술은 서양인들의 외형을 기준으로 이루어진 반면, 본 논문에서 개발한 몽타주 생성 시스템은 한국인의 안면 특징을 바탕으로 모델을 학습한다. 따라서, 한국어에 특화된 음성과 텍스트의 멀티모달을 기반으로 보다 정확하고 효과적인 한국형 몽타주 이미지를 만들어낼 수 있다. 개발된 몽타주 생성 앱은 몽타주 초안으로 충분히 활용 가능하기 때문에 기존의 몽타주 제작 인력의 수작업을 획기적으로 줄여줄 수 있다. 이를 위해 한국지능정보사회진흥원의 AI-Hub에서 제공하는 페르소나 기반 가상 인물 몽타주 데이터를 활용하였다. AI-Hub는 AI 기술 및 서비스 개발에 필요한 인공지능 학습용 데이터를 구축하여 원스톱 제공을 목적으로 한 AI 통합 플랫폼이다. 이미지 생성 시스템은 고해상도 이미지를 생성하는데 사용하는 딥러닝 모델인 VQGAN과 한국어 기반 영상생성 모델인 KoDALLE 모델을 사용하여 구현하였다. 학습된 AI 모델은 음성과 텍스트를 이용해 묘사한 내용과 매우 유사한 얼굴의 몽타주 이미지가 생성됨을 확인할 수 있다. 개발된 몽타주 생성 앱의 실용성 검증을 위해 10명의 테스터가 사용한 결과 70% 이상이 만족한다는 응답을 보였다. 몽타주 생성 앱은 범죄자 검거 등 얼굴의 특징을 묘사하여 이미지화하는 여러 분야에서 다양하게 사용될 수 있을 것이다.

• 마케팅과학연구
• /
• 제18권1호
• /
• pp.33-58
• /
• 2008

본 연구는 서비스실패가 아니라 제품실패 이후, 회복노력의 효과를 실패심각성에 따라 확인하는 것이다. 회복노력은 보상노력, 장점노력 및 단점노력으로 구분되었다. 보상노력은 실패상황을 직접적으로 되돌리려는 의도로 구체적인 보상을 제공하는 방안으로, 장점노력은 제품실패를 초래하는 이유가 특정한 장점을 추구하는 과정에서 불가피하게 발생할 수 있는 문제임을 언급하는 것과 같이 추가적인 상대적 장점을 설명하는 방식으로, 그리고 단점노력은 자사제품이 서비스실패를 초래할 수 있는 문제점을 지니고 있는 반면에 경쟁제품은 또 다른 측면의 단점을 지니고 있다는 점을 부각시켜 소비자의 자사제품에 대한 부정적 태도를 회복시키려고 방안이라고 개념화되었다. 그러한 회복노력들이 실질적으로 효과가 있다고 결론을 내리기 위해서, 회복노력이 제공되지 않는 상황과 비교하여 소비자의 태도나 의향이 우호적인지 검토된다. 가설검증을 위해 화장품산업에서 소비자들을 대상으로 가상적인 시나리오를 이용한 실험을 실시하였다. 연구 결과, 전반적으로 회복노력들은 효과적인 전략임이 확인되었고, 보상노력은 장점노력이나 단점 노력보다 효과적이었다. 특히 심각성이 높은 실패조건에서 단점노력은 장점노력보다 긍정적인 제품태도를 유도하였다. 심각성이 낮은 실패조건에서 장점노력과 장점노력의 효과는 기대할 수 없었다.