• International Journal of Advanced Culture Technology
• /
• 제11권3호
• /
• pp.225-230
• /
• 2023

With the development of AI technology, there is a growing discussion about Text-to-Image Generative AI. We presented a Generative AI video production method and delineated a methodology for the production of personalized AI-generated videos with the objective of broadening the landscape of the video domain. And we meticulously examined the procedural steps involved in AI-driven video production and directly implemented a video creation approach utilizing the VQGAN-CLIP model. The outcomes produced by the VQGAN-CLIP model exhibited a relatively moderate resolution and frame rate, and predominantly manifested as abstract images. Such characteristics indicated potential applicability in OTT-based video content or the realm of visual arts. It is anticipated that AI-driven video production techniques will see heightened utilization in forthcoming endeavors.

• Journal of Korea Artificial Intelligence Association
• /
• 제1권1호
• /
• pp.7-10
• /
• 2023

This study proposes an AI-based shoe recommendation model based on user clothing image data to solve the problem of the global fashion industry, which is worsening due to factors such as the economic downturn. Shoes are an important part of modern fashion, and this research aims to improve user satisfaction and contribute to economic growth through a generative AI-based shoe recommendation service. By utilizing generative AI in the personalized consumer market, we show the feasibility, efficiency, and improvements through an accessible web-based implementation. In conclusion, this study provides insights to help fulfill consumer needs in the ever-changing fashion market by implementing a generative AI-based shoe recommendation model.

• 문화기술의 융합
• /
• 제9권4호
• /
• pp.667-679
• /
• 2023

이미지 생성형 AI의 등장으로 미술, 디자인 전문가가 아니어도 텍스트 입력을 통해 완성도 높은 그림 작품을 만들 수 있게 되었다. 생성 이미지의 활용 가능성과 예술 산업에 미치는 영향력이 높아짐에 따라 사용자가 AI와 공동 창작하는 과정을 어떻게 인식하는지에 대해 연구 필요성이 제기되고 있다. 이에 본 연구에서는 일반 사용자들을 대상으로 이미지 생성형 AI 창작에 대한 예상 과정과 체감 과정을 알아보고 어떤 과정이 사용자의 창작 주체감에 영향을 미치는지 알아보는 실험 연구를 진행하였다. 연구 결과 사용자들이 기대한 창작 과정과 체감한 창작 과정 간 격차가 있는 것으로 나타났으며 창작 주체감은 낮게 인식하는 경향을 보였다. 이에 AI가 사용자의 창작 의도를 지원하는 조력자의 역할로 작용하여 사용자가 높은 창작 주체감을 경험할 수 있도록 8가지 방법을 제언한다. 본 연구를 통해 사용자 중심적인 창작 경험을 고려하여 향후 이미지 생성형 AI의 발전에 기여할 수 있다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제16권2호
• /
• pp.81-86
• /
• 2024

Advancements in generative AI are reshaping graphic and 3D content design landscapes, where AI not only enriches graphic design but extends its reach to 3D content creation. Though 3D texture mapping through AI is advancing, AI-generated 3D modeling technology in this realm remains nascent. This paper presents AI 2D image-driven 3D modeling techniques, assessing their viability in 3D content design by scrutinizing various algorithms. Initially, four OBJ model-exporting AI algorithms are screened, and two are further evaluated. Results indicate that while AI-generated 3D models may not be directly usable, they effectively capture reference object structures, offering substantial time savings and enhanced design efficiency through manual refinements. This endeavor pioneers new avenues for 3D content creators, anticipating a dynamic fusion of AI and 3D design.

• 한국BIM학회 논문집
• /
• 제14권2호
• /
• pp.13-24
• /
• 2024

This research suggests a novel visualization approach utilizing Generative AI to render photorealistic architectural alternatives images in the early design phase. Photorealistic rendering intuitively describes alternatives and facilitates clear communication between stakeholders. Nevertheless, the conventional rendering process, utilizing 3D modelling and rendering engines, demands sophisticate model and processing time. In this context, the paper suggests a rendering approach employing the text-to-image method aimed at generating a broader range of intuitive and relevant reference images. Additionally, it employs an Text-to-Image method focused on producing a diverse array of alternatives reflecting architects' styles when visualizing the exteriors of residential buildings from the mass model images. To achieve this, fine-tuning for architects' styles was conducted using the Low-Rank Adaptation (LoRA) method. This approach, supported by fine-tuned models, allows not only single style-applied alternatives, but also the fusion of two or more styles to generate new alternatives. Using the proposed approach, we generated more than 15,000 meaningful images, with each image taking only about 5 seconds to produce. This demonstrates that the Generative AI-based visualization approach significantly reduces the labour and time required in conventional visualization processes, holding significant potential for transforming abstract ideas into tangible images, even in the early stages of design.

• International journal of advanced smart convergence
• /
• 제13권2호
• /
• pp.130-135
• /
• 2024

The Stable diffsuion AI tool is popular among designers because of its flexible and powerful image generation capabilities. However, due to the diversity of its AI models, it needs to spend a lot of time testing different AI models in the face of different design plans, so choosing a suitable general AI model has become a big problem at present. In this paper, by comparing the AI images generated by two different Stable diffsuion models, the advantages and disadvantages of each model are analyzed from the aspects of the matching degree of the AI image and the prompt, the color composition and light composition of the image, and the general AI model that the generated AI image has an aesthetic sense is analyzed, and the designer does not need to take cumbersome steps. A satisfactory AI image can be obtained. The results show that Playground V2.5 model can be used as a general AI model, which has both aesthetic and design sense in various style design requirements. As a result, content designers can focus more on creative content development, and expect more groundbreaking technologies to merge generative AI with content design.

• 실천공학교육논문지
• /
• 제15권2호
• /
• pp.357-364
• /
• 2023

인공지능 기술의 급속한 발전으로 인해 생성형 인공지능 플랫폼은 다양한 분야에서 혁신적인 활용이 이루어지고 있다. 본 논문에서는 인공지능을 교육에 활용한 연구사례, 생성형 인공지능 플랫폼이 컴퓨터그래픽 영역에 활용된 사례를 살펴보고, 생성형 인공지능 교육 방향성에 대해 논의하였다. 컴퓨터그래픽에서 이미지 생성과 편집, 영상편집에 활용 가능한 생성형 인공지능 플랫폼을 소개하고, 영상편집 제작과정에 적용할 수 있도록 활용방법을 제안하였다. 이러한 생성형 인공지능 플랫폼은 제작공정에서 창작자의 수고를 덜고, 시간을 단축시킨다는 효율성 측면에서도 장점뿐만 아니라 개인의 역량을 증진할 수 있다. 컴퓨터그래픽 제작에 있어 생성형 인공지능 플랫폼은 다양한 변화를 가져다 주었다. 그런 변화를 살펴보고 생성형 인공지능 플랫폼을 활용한 창작 교육에 방향성을 제시하고자 한다.

• 전산구조공학
• /
• 제37권1호
• /
• pp.11-16
• /
• 2024

• International journal of advanced smart convergence
• /
• 제12권2호
• /
• pp.90-95
• /
• 2023

With the rapid development of deep learning and artificial intelligence, generative models have achieved remarkable success in the field of image generation. By combining the stable diffusion method with Web UI technology, a novel solution is provided for the application of AI painting generation. The application prospects of this technology are very broad and can be applied to multiple fields, such as digital art, concept design, game development, and more. Furthermore, the platform based on Web UI facilitates user operations, making the technology more easily applicable to practical scenarios. This paper introduces the basic principles of Stable Diffusion Web UI technology. This technique utilizes the stability of diffusion processes to improve the output quality of generative models. By gradually introducing noise during the generation process, the model can generate smoother and more coherent images. Additionally, the analysis of different model types and applications within Stable Diffusion Web UI provides creators with a more comprehensive understanding, offering valuable insights for fields such as artistic creation and design.

• 벤처창업연구
• /
• 제18권4호
• /
• pp.21-35
• /
• 2023

생성 AI 기술의 막대한 파급력에 대한 기대가 산업계를 휩쓸고 있다. 생성 AI 기술의 활용과 발전에 창업생태계가 중요한 역할을 할 것으로 기대되는 만큼, 이 분야의 벤처투자 현황과 특성을 더 잘 이해하는 것도 중요하다. 본 연구는 생성 AI 기술과 창업생태계를 주도하는 미국을 비교 대상으로 삼아 한국의 벤처투자 내역을 분석하고 향후 벤처투자 금액을 예측한다. 분석을 위해서 미국의 117개 생성 AI 스타트업의 2008년부터 2023년까지 286건의 투자 내역과 한국의 42개 생성 AI 스타트업의 2011년부터 2023년까지 144건의 투자 내역을 수집하여 새로운 분석 자료를 구축했다. 분석 결과, 생성 AI 기업의 창업과 벤처 투자가 최근 들어 급증하고 있으며, 초기 투자에 절대다수의 투자 건이 집중됐다는 점이 미국과 한국에서 공통적으로 확인됐다. 양국의 차이점도 몇 가지 발견됐다. 미국의 경우 한국과는 다르게 같은 투자 단계에서 최근의 투자 규모가 그 이전보다 285%에서 488%까지 증가했다. 단계별 투자 소요 기간은 한국이 미국보다 다소 길었으나 그 차이가 통계적으로 유의하지는 않았다. 또한, 전체 벤처투자 금액 중 생성 AI 기업에 대한 투자 비중도 한국이 미국보다 높았다. 생성AI의 세부 분야별로는 미국은 텍스트와 모델 분야에 전체 투자액의 59.2%가 집중된 반면, 한국은 비디오, 이미지, 챗 기술에 전체 투자액의 61.9%가 집중돼 차이를 보였다. 2023년부터 2029년까지 한국의 생성 AI 기업에 대한 벤처 투자 예상 금액을 네 가지 다른 모델로 예측한 결과, 평균 3조 4,300억 원(최소 2조 4,085억 원, 최대 5조 919억 원)이 필요할 것으로 추정됐다. 본 연구는 미국과 한국의 생성 AI 기술 분야의 벤처투자를 다각도로 분석하고, 한국의 벤처투자 예상 금액을 제시하였다는 점에서 실무적 의의를 찾을 수 있다. 또한, 아직 학술적 연구가 충분하지 않은 생성AI 벤처투자에 대한 현황을 구체적 자료와 실증근거를 통해 분석함으로써 향후 깊이 있는 학술 연구의 토대를 제시한다는 점에서 학술적 의의가 있다. 본 연구에서는 벤처투자 금액 예측을 위한 방법 두 가지를 새롭게 개발하여 생성 AI의 향후 벤처투자 금액을 예측하는데 적용했다. 이 방법도 후속 학술 연구에서 다양한 분야로 확장·적용되고 정제된다면 벤처투자 예상 금액 예측 방법을 풍부하게 하는 데 공헌할 수 있을 것이다.