• 한국과학예술포럼
• /
• 제23권
• /
• pp.111-122
• /
• 2016

본 연구의 배경 및 목적은 다음과 같다. 미술관에서 생성되는 미술 콘텐츠 생명주기 전반에 걸친 저작권 서비스 연구개발의 필요성과 창조산업에서 이미지저작권 콘텐츠 유통시장 활성화와 저작권 서비스 관리체계 수립의 필요성에 의해, 이미지저작권 보호 및 이용 활성화를 위한 미술관 이미지저작권 아카이브 모델을 설정하기 위해 다학제적으로 진행된 융복합 연구이다. 본 연구의 연구방법 및 내용, 결과는 다음과 같다. 국내 1,000여개의 뮤지엄(박물관, 미술관, 전시관 등)의 저작권료에 대한 산정, 분배, 정산, 모니터링에 대한 기준체계를 제안하여 이미지 저작물의 이용 활성화 및 재활용을 통한 미술콘텐츠 생태계 투명화 및 효율성 향상화를 위해서 다양한 제안이 이루어졌다. 우선, 이미지저작권 아카이브 모델의 내용설계 및 구조설계를 제안하였으며, 프로토타입 시뮬레이션, 실현 시뮬레이션, 모델 가동 시뮬레이션을 위하여, 미술관 미술콘텐츠 유통 서비스 플랫폼을 제안하여, 미술 콘텐츠 저작권료 프로세스 모델을 설정하였다. 미술관 소장품 및 미술작품 유통 과금 기술 개발과 저작권 자동분배 및 정산 엔진 개발은 이미지 콘텐츠에 대한 과금 체계 및 기술 개발이 미약하기 때문에 기본 프레임워크는 기존 콘텐츠 과금 프레임워크를 모델로 사용하였다. 궁극적으로는 미술작가, 미술관 학예사, 유통업체 등이 사용가능한 이미지저작권 아카이브 모델을 제안하였다. 사업화 전략에서는 미술관 이미지저작권 아카이브 모델의 틈새시장 침투전략(Niche penetration strategy)을 제안하였다. 판매확대 전략에서는 미술관 아카이브 시스템의 유동적 연결을 통하여, B2B, B2G, B2C, C2B 형태의 이미지 거래를 효율적으로 진행되게 하며, 이미지 저작물의 관리가 통제 가능한 비즈니스 모델이 수립되었다. 향후 혹은 앞으로의 과제는 미술관에서 소장하고 있는 소장품 및 신규 창작 작품의 미술 콘텐츠 분쟁 예방 및 유통 및 활용에 대한 정보 제공을 통해, 미술작품에 대한 이미지저작권자와 소유자간의 분쟁 등을 최소화하고, 미술품 저작물의 관리성이 향상될 것으로 기대된다. 또한 미술관의 소장품 및 신규작품에 대한 아카이브에 대한 가이드라인이 제공되어, 이미지저작권 등록 증대가 예상되며, 이미지저작권 유통 서비스에 대한 저작권료, 과금, 분배, 정산 등 다양한 융합적 비즈니스 활용이 가능해 질 것이다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.27-65
• /
• 2020

많은 정보통신기술 기업들은 자체적으로 개발한 인공지능 기술을 오픈소스로 공개하였다. 예를 들어, 구글의 TensorFlow, 페이스북의 PyTorch, 마이크로소프트의 CNTK 등 여러 기업들은 자신들의 인공지능 기술들을 공개하고 있다. 이처럼 대중에게 딥러닝 오픈소스 소프트웨어를 공개함으로써 개발자 커뮤니티와의 관계와 인공지능 생태계를 강화하고, 사용자들의 실험, 적용, 개선을 얻을 수 있다. 이에 따라 머신러닝 분야는 급속히 성장하고 있고, 개발자들 또한 여러가지 학습 알고리즘을 재생산하여 각 영역에 활용하고 있다. 하지만 오픈소스 소프트웨어에 대한 다양한 분석들이 이루어진 데 반해, 실제 산업현장에서 딥러닝 오픈소스 소프트웨어를 개발하거나 활용하는데 유용한 연구 결과는 미흡한 실정이다. 따라서 본 연구에서는 딥러닝 프레임워크 사례연구를 통해 해당 프레임워크의 도입 전략을 도출하고자 한다. 기술-조직-환경 프레임워크를 기반으로 기존의 오픈 소스 소프트웨어 도입과 관련된 연구들을 리뷰하고, 이를 바탕으로 두 기업의 성공 사례와 한 기업의 실패 사례를 포함한 총 3 가지 기업의 도입 사례 분석을 통해 딥러닝 프레임워크 도입을 위한 중요한 5가지 성공 요인을 도출하였다: 팀 내 개발자의 지식과 전문성, 하드웨어(GPU) 환경, 데이터 전사 협력 체계, 딥러닝 프레임워크 플랫폼, 딥러닝 프레임워크 도구 서비스. 그리고 도출한 성공 요인을 실현하기 위한 딥러닝 프레임워크의 단계적 도입 전략을 제안하였다: 프로젝트 문제 정의, 딥러닝 방법론이 적합한 기법인지 확인, 딥러닝 프레임워크가 적합한 도구인지 확인, 기업의 딥러닝 프레임워크 사용, 기업의 딥러닝 프레임워크 확산. 본 연구를 통해 각 산업과 사업의 니즈에 따라, 딥러닝 프레임워크를 개발하거나 활용하고자 하는 기업에게 전략적인 시사점을 제공할 수 있을 것이라 기대된다.