• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.35-43
• /
• 2022

메이크업은 사람의 외모를 개선하는 가장 보편적인 방법이다. 하지만 메이크업의 스타일이 매우 다양하기 때문에 한 개인이 본인에게 직접 메이크업을 하는 것에는 많은 시간적, 비용적 문제점이 존재한다. 이에 따라 메이크업 자동화에 대한 필요성이 증가하고 있다. 메이크업의 자동화를 위해 메이크업 변환(Makeup Transfer)가 연구되고 있다. 메이크업 변환은 메이크업이 없는 얼굴 영상에 메이크업 스타일을 적용시키는 분야이다. 메이크업 변환은 전통적인 영상 처리 기반의 방법과 딥러닝 기반의 방법으로 나눌 수 있다. 특히 딥러닝 기반의 방법에서는 적대적 생성 신경망을 기반으로 한 연구가 많이 수행되었다. 하지만 두 가지 방법 모두 결과 영상이 부자연스럽거나 메이크업 변환의 결과가 뚜렷하지 않고 번지거나 메이크업 스타일 얼굴 영상의 영향을 많이 받는다는 단점이 있다. 메이크업의 뚜렷한 경계를 표현하고 메이크업 스타일 얼굴 영상에서 받는 영향을 완화시키기 위해 본 연구에서는 메이크업 영역을 분할하고 HoG(Histogram of Gradient)를 사용해 손실 함수를 계산한다. HoG는 영상 내에 존재하는 에지의 크기와 방향성을 통해 영상의 특징을 추출하는 방법이다. 이를 통해 에지에 대해 강건한 학습을 수행하는 메이크업 변환에 대해 제안한다. 제안한 모델을 통해 생성된 영상과 베이스 모델로 사용하는 BeautyGAN을 통해 생성된 영상을 비교해 본 연구에서 제안한 모델의 성능이 더 뛰어남을 확인하고 추가로 제시할 수 있는 얼굴 정보에 대한 사용 방법을 향후 연구로 제시한다.

• 만화애니메이션 연구
• /
• 통권20호
• /
• pp.75-86
• /
• 2010

최근 여성 게이머의 수가 급속히 증가하면서, 전자 게임 산업계에서는 아직 상당 부분 미 개척된 여성 시장을 공략할 방법을 모색하기 시작했다. 중국 인터넷 네트워크 정보 센터(CNNIC)에서 최근 발표한 게임시장 조사 보고서에 따르면, 중국 내 전체 게이머의 수는 2009년에 24.8%가 증가한 69,130,000명에 이르며, 이 중 거의 40%에 이르는 38.9%가 여성 게이머이다. 중국 상하이의 I리서치 회사에서 작성한 일련의 연구 보고서는 2003년에서 2009년 사이에 여성 게이머가 8%에서 49% 이상으로 급격히 증가하였다는 것을 보여주고 있다. 이는 과거에 게임 제작 회사들이 남성 게이머에게 얼마나 신경을 쏟았는지 그리고 여성 게이머를 얼마나 간과해왔는가와 상관없이, 게임회사들은 이제 이러한 현실에 직면해야하고, 이에 맞춰 마케팅 정책을 바꿔나가야 한다는 것을 의미한다. 본 연구에서는 첫째 비디오 게임에서의 성별에 따른 선호 요소를 분석하여, 남성 게이머들은 전자 게임을 하면서 공격, 폭력, 경쟁, 빠른 동작의 요소에 더욱 끌리는 반면, 여성 게이머들은 인물의 관계를 이해하는 게임의 정서적, 사회적 측면에 관심을 가진다는 점을 보인다. 관련문헌에서도 여성 게이머들은 익숙한 환경을 지닌 게임, 게이머들이 함께 할 수 있는 게임, 한 가지 방식 이상으로 승리할 수 있는 게임 그리고 캐릭터가 죽지 않는 게임을 선호한다는 점을 지적하고 있다. 둘째, 정서적 측면에서 본 여성 친화적 게임의 특성을 논하면서, 펫 게임(육성 게임), 드레싱 게임(옷 입히기 게임), 사회적 시뮬레이션과 같은 시뮬레이션 범주가 여성 게이머가 가장 선호하는 타입이라는 것을 제시한다. 왜냐하면 이러한 게임들은 여성 게이머에게 절대적으로 매력적인 사랑, 공유, 질투, 우월, 신비와 같은 정서를 가득 채우기 가장 적합한 게임 타입이기 때문이다. 마지막으로, 앞서 논의한 내용과 연관해서, 여성 지향적인 게임 디자인과 관련한 몇 가지 원리를 제안한다. 이는 호감 가는 외모의 주 캐릭터의 소개, '생동감 있는' NPC와 함께할 재미있는 이야기 만들기 그리고 타인 돌보기와 분류, 선별하는 여성적 특성과 관심을 만족시킬 수 있는 방법들을 포함한다.