• 만화애니메이션 연구
• /
• 통권41호
• /
• pp.75-106
• /
• 2015

애니메이션 작품에서는, 캐릭터의 내적갈등을 효과적으로 전개하고 주제를 강화하기 위한 주요한 전략의 하나로서 공간을 성격화한다. 내적갈등의 과정은, 캐릭터가 결핍에 의해 형성된 두려움으로부터 자아를 보호하기 위하여 무의식적 차원에서 방어기제를 사용하며, 그 자기기만적 속성 때문에 현실이 왜곡되며 갈등이 강화되는 것으로 구체화된다. 본 논문은 애니메이션에 나타나는 공간의 구분에 있어서 갈등이 심화되는 공간인 '안티돔'의 개념에 주목하고, 작품 분석을 통해 내적갈등의 양상과 공간의 특성을 '은유 구조의 틀'로 해석하여, 캐릭터의 내적갈등을 증폭시키는 방어기제의 작용이 '안티돔'으로 성격화되는 그 근원적 관계성을 밝히고자 했다. 분석은 <신세기 에반게리온>의 TV 시리즈와 극장판 를 중심으로 이루어졌다. 이는 극중의 캐릭터들이 모두 심각한 가정사적 결핍과 A.T.필드로 상징되는 배타적 경계의 심리적 속성을 공유하고 있다는 점과, 무엇보다도 핵심 캐릭터인 '이카리 신지'를 통해 내적갈등에 대한 강박적 방어기제의 사용, 그 결과로 나타난 자아의 붕괴와 성찰의 과정을 전체 플롯의 핵심 맥락으로 묘사하고 있기 때문이다. 분석을 통해서, 캐릭터의 방어기제와 '안티돔(안티고로드로 확장된)' 공간과의 유사적 관계를 추론하였으며, (1) X축의 '수평공간'과 (2) Y축의 '수직공간', (3) 모든 공간이 '탈출구가 존재하지 않는' 구조로 이루어졌다는 의미에서 Z축의 '모순의 심도 공간'으로 구축되어 있다는 결론을 도출할 수 있었다. 본 논문은, 방어기제와 안티돔의 은유 관계 분석에 있어서 첫 출발의 의미로, <에반게리온>이 가장 적합한 분석 작품이라는 판단에 의해 시작되었다. 그러나 일본 애니메이션 특유의 현학적 구성과 확장적 해석의 가능성 때문에 오히려 명료한 검증이 어려웠다는 점이 연구의 한계로 작용했다. 후속 연구를 통해 보완되기를 바라며, 본 논문이 애니메이션 텍스트의 해석에 있어서 공간의 중요성을 제고하고, 창작을 위한 데이터베이스로 기능할 수 있기를 기대한다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.73-85
• /
• 2013

정보기술의 비약적 발전에 힘입어, 오늘날 기업들은 지금까지 축적한 고객 데이터를 기반으로 맞춤형 서비스를 제공하는 것에 많은 관심을 가지고 있다. 고객에게 소구하는 맞춤형 서비스를 효과적으로 제공하기 위해서는 우선 그 고객이 처한 상태나 상황을 정확하게 인지하는 것이 중요하다. 특히, 고객에게 서비스가 전달되는 이른바 진실의 순간에 해당 고객의 감정 상태를 정확히 인지할 수 있다면, 기업은 더 양질의 맞춤형 서비스를 제공할 수 있을 것이다. 이와 관련하여 사람의 얼굴과 행동을 이용하여 사람의 감정을 판단하고 개인화 서비스를 제공하기 위한 연구가 활발하게 이루어지고 있다. 얼굴 표정을 통해 사람의 감정을 판단하는 연구는 좀 더 미세하고 확실한 변화를 통해 정확하게 감정을 판단할 수 있지만, 장비와 환경의 제약으로 실제 환경에서 다수의 관객을 대상으로 사용하기에는 다소 어려움이 있다. 이에 본 연구에서는 Plutchik의 감정 분류 체계를 기반으로 사람들의 행동을 통해 감정을 추론해내는 모형을 개발하는 것을 목표로 한다. 본 연구는 콘텐츠에 의해 유발된 사람들의 감정적인 변화를 사람들의 행동 변화를 통해 판단하고 예측하는 모형을 개발하고, 4가지 감정 별 행동 특징을 추출하여 각 감정에 따라 최적화된 예측 모형을 구축하는 것을 목표로 한다. 모형 구축을 위해 사람들에게 적절한 감정 자극영상을 제공하고 그 신체 반응을 수집하였으며, 사람들의 신체 영역을 나누었다. 특히, 모션캡쳐 분야에서 널리 쓰이는 차영상 기법을 적용하여 사람들의 제스쳐를 추출 및 보정하였다. 이후 전처리 과정을 통해 데이터의 타임프레임 셋을 20, 30, 40 프레임의 3가지로 설정하고, 데이터를 학습용, 테스트용, 검증용으로 구분하여 인공신경망 모형을 통해 학습시키고 성과를 평가하였다. 다수의 일반인들을 대상으로 수집된 데이터를 이용하여 제안 모형을 구축하고 평가한 결과, 프레임셋에 따라 예측 성과가 변화함을 알 수 있었다. 감정 별 최적 예측 성과를 보이는 프레임을 확인할 수 있었는데, 이는 감정에 따라 감정의 표출 시간이 다르기 때문인 것으로 판단된다. 이는 행동에 기반한 제안된 감정예측모형이 감정에 따라 효과적으로 감정을 예측할 수 있으며, 실제 서비스 환경에서 사용할 수 있는 효과적인 알고리즘이 될 수 있을 것으로 기대할 수 있다.