• 한국게임학회 논문지
• /
• 제10권5호
• /
• pp.3-13
• /
• 2010

본 논문은 게임적 행위, 게임적 체험, 게임적 인간이라는 일련의 과정에 주목한다. 현대에서의 게임의 강력한 효과는 게임적 인간이라는 새로운 인간형을 생산하고 있다. 특히 체감형 게임의 형태는 그것의 매체적 특질에 의해 가장 강력한 효과를 발생시킬 수 있다는 점에서 논의의 주요한 대상으로 삼는다. 본 논문에서는 우선 체감형 게임에서의 체험을 분석하고, 체감형 게임이 담지하고 있는 게임-공간의 확장성을 탐구한다. 그리고 체감형 게임이 생성하고 있는 새로운 게임적 인간을 '게임적 신인류'로 개념화한다. 이러한 논의는 체감형 게임이 가속화시킨 다양한 사회적 현상에 대해 새로운 해석을 반영하여 그것의 사회적 의미를 도출해 보기 위한 시도이다.

• 만화애니메이션 연구
• /
• 통권13호
• /
• pp.223-236
• /
• 2008

본 논문에서는 강력한 하드웨어 게임콘솔을 타깃으로 제작되는 넥스트 제너레이션 게임의 탄생배경과 의미, 그 새로운 개념의 등장으로 인해 현 게임인더스트리에 요구되어지는 제작구조의 변화를 슈터게임을 중심으로 분석했으며, 이 전의 슈터게임 애니메이션 파이프라인과 구별되는 넥스트 제너레이션 게임 애니메이션의 필요성과 그 제작과정을 정리하였다. 더불어 최근 북미 게임 인더스트리에서 시도되고 있는 기술적 도전들을 살펴봄으로써 넥스트 제너레이션 게임의 새로운 가능성과 과제들을 연구하는 것이 본 논문에 목적이다.

• 한국게임학회 논문지
• /
• 제10권2호
• /
• pp.21-27
• /
• 2010

본 논문은 체험형 게임기인 닌텐도 위(Wii)의 출시로 인해 온라인 게임 중심의 게임시장에 새로운 콘솔에 대한 국내 게임 유저들 중에서 주요 계층인 20대를 대상으로 설문조사와 토론방식을 통하여 어떠한 선호도를 나타내고 있는지에 대한 결과를 분석해 보았다. 이러한 연구는 새로운 게임 콘솔를 통해 체험형 게임에 대한 우리나라 게임유저들의 선호도를 파악하여 새로운 게임 형태의 게임 개발에 기초연구로서 도움이 되리라 기대한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권8호
• /
• pp.4255-4269
• /
• 2019

This paper proposes an image generation method using a Multi Discriminator Generative Adversarial Net (MDGAN) as a next generation 2D game sprite creation technique. The proposed GAN is an Autoencoder-based model that receives three areas of information-color, shape, and animation, and combines them into new images. This model consists of two encoders that extract color and shape from each image, and a decoder that takes all the values of each encoder and generates an animated image. We also suggest an image processing technique during the learning process to remove the noise of the generated images. The resulting images show that 2D sprites in games can be generated by independently learning the three image attributes of shape, color, and animation. The proposed system can increase the productivity of massive 2D image modification work during the game development process. The experimental results demonstrate that our MDGAN can be used for 2D image sprite generation and modification work with little manual cost.

• 디지털산업정보학회논문지
• /
• 제11권1호
• /
• pp.145-155
• /
• 2015

The game industry has changed along with the advancement of device technology. The wearable, a recently appeared device will create new demand in this saturated age of the smart devices. The game industry's content targeted towards the wearable devices will play an important role as main driving source. For this reason, this research studies the development aspect and the current technical capabilities of games' platforms and contents by analyzing the contrast between the results of features and current situations of the wearable market. Consequently, we define the prospects of game content for wearable device. We also expect that the new style of the game content, combined with cloud game, augmented reality game and virtual reality game will appear in the next generation platforms gearing towards the wearable devices.

• 한국게임학회 논문지
• /
• 제13권6호
• /
• pp.15-26
• /
• 2013

최근 BCI(Brain Computer Interface) 기술의 발전과 함께 보급형 BCI 장치를 활용한 게임연구가 활발히 진행되고 있다. BCI 게임은 대부분 연구를 위한 실험적인 체험용 콘텐츠 형태로 개발되어 왔으며, 명령 패러다임에 있어서 BCI 게임 명령에 적합한 뇌파를 유도하는 방법에 대한 연구는 미흡하다. 본 연구에서는 음악의 리듬을 시청각적으로 표현하는 새로운 플레이 요소를 제공하는 BCI 리듬게임과 음악의 템포와 뇌파를 동기화 시켜 다양한 형태의 시청각 피드백을 생성하는 방법을 제안한다. 제안방법은 실험을 통해 게임조작에 필요로 하는 뇌파를 유도하여 게임점수를 향상시킬 수 있음을 확인하였다.

• 한국게임학회 논문지
• /
• 제11권2호
• /
• pp.19-28
• /
• 2011

타워 디펜스 게임에서 레벨 디자인은 게임의 재미에 가장 큰 영향을 미치는 요소이다. 각 레벨의 난이도는 레벨 내에 등장하는 공격대의 조합에 따라 결정된다. 게임 기획 단계에서 게임의 재미를 주면서도 적절한 난이도를 갖춘 공격대를 구성하기 위하여 많은 시간이 소모된다. 본 논문에서는 유전자 알고리즘을 사용하여 타워 디펜스 게임에서 공격대 조합을 자동으로 생성하는 기법을 제안한다. 제안된 시스템을 통해 레벨 디자이너는 난이도 목표치의 입력만으로도 다양한 공격대 유닛 조합을 자동으로 생성할 수 있게 된다. 이는 게임 기획 단계에서 원하는 공격대 조합을 생성하는데 필요한 수작업 시간을 단축시킴으로서 업무 효율을 높일 수 있을 것이다.

• 한국게임학회 논문지
• /
• 제17권6호
• /
• pp.129-138
• /
• 2017

축구 시뮬레이션 게임에서 축구 선수들의 능력치를 현실에 가깝게 만드는 것은 게임의 흥미를 위해 매우 중요한 요소이다. 스포츠 시뮬레이션 게임에 경영 개념이 도입되면서 장시간 게임을 플레이하게 되면 기존 선수 캐릭터의 은퇴문제가 발생하고 새로운 선수 캐릭터를 생성하여 게임의 환경을 유지하게 된다. 본 연구에서는 새로운 선수 캐릭터를 생성할 때 유전 알고리즘을 활용하여 기존의 선수와 유사하면서 최적의 능력을 갖추게 하는 방식을 제안한다. 기존의 랜덤 생성방식, 보정 랜덤방식과 제안한 알고리즘으로 선수 캐릭터를 생성하여 비교, 평가하여 제안한 방식의 유효성을 검증한다.

• KIEE International Transactions on Power Engineering
• /
• 제5A권1호
• /
• pp.85-92
• /
• 2005

In this paper, Nash equilibriums of generation markets are investigated using a game theory application for simplified competitive electricity markets. We analyze the characteristics of equilibrium states in N-company spot markets modeled by uniform pricing auctions and propose a new method for obtaining Nash equilibriums of the auction. We assume that spot markets are operated as uniform pricing auctions and that each generation company submits its bids into the auction in the form of a seal-bid. Depending on the bids of generation companies, market demands are allocated to each company accordingly. The uniform pricing auction in this analysis can be formulated as a non-cooperative and static game in which generation companies correspond to players of the game. The coefficient of the bidding function of company-n is the strategy of player-n (company-n) and the payoff of player-n is defined as its profit from the uniform price auction. The solution of this game can be obtained using the concept of the non-cooperative equilibrium originating from the Nash idea. Based on the so called residual demand curve, we can derive the best response function of each generation company in the uniform pricing auction with N companies, analytically. Finally, we present an efficient means to obtain all the possible equilibrium set pairs and to examine their feasibilities as Nash equilibriums. A simple numerical example with three generation companies is demonstrated to illustrate the basic idea of the proposed methodology. From this, we can see the applicability of the proposed method to the real-world problem, even though further future analysis is required.

• 한국게임학회 논문지
• /
• 제18권2호
• /
• pp.89-98
• /
• 2018

최근의 인공 신경망(Neural Network) 기법은 전통적인 분류 문제와 군집화 문제 해결에서 벗어나 이미지 생성 같은 컨텐츠 생성에서도 좋은 성능을 보이고 있다. 본 연구에서는 차세대 컨텐츠 생성 기법으로 인공신경망을 이용한 이미지 생성기법을 제안한다. 제안하는 인공신경망 모델은 두개의 이미지를 입력받아서 하나의 이미지에서는 색상을, 다른 이미지에서는 모양을 가져와 새로운 이미지로 조합해낸다. 이 모델은 컨볼루션 인공신경망(Convolutional Neural Network)으로 제작되었으며 각각 이미지에서 색상과 모양을 추출해내는 두 개의 인코더와 각 인코더의 값을 모두 넘겨받아 하나의 조합이 되는 이미지를 생성해내는 하나의 디코더로 구성이 되어있다. 본 연구의 성과는 저비용으로 게임 개발 프로세스 상 다양한 2차원 이미지 생성 및 보정 작업에 활용될 수 있다.