생성형 AI 기반한 배경 이야기를 반영한 판타지 게임 캐릭터 디자인 방법 연구 -ComfyUI를 중심으로-

Q: 이 논문에서 정의한 서사 전환 메커니즘이란 무엇인가?

서사 의미 층, 디자인 판단 층, 시각적 표현 층의 3단계 구조로 이루어진 프로세스다. 창작자가 추상적인 서사 정보를 시각적으로 해석 가능한 디자인 판단으로 전환하면, 생성형 AI가 이를 바탕으로 구체적인 시각적 요소로 가시화하여 최종 캐릭터 외형을 산출하는 체계를 의미한다.

Q: 생성형 AI를 활용한 캐릭터 디자인에서 서사 품질을 높이는 방법은 무엇인가?

연구 결과, 창작자가 서사 의미를 직접 해석하여 디자인 판단을 수립하고 이에 적합한 AI 생성 경로를 선택해야 한다. 구체적으로 세부 요소는 풍부한 프롬프트로, 스타일은 Checkpoint나 LoRA로, 자세는 ControlNet으로 제어하는 분절적 개입 방식이 무작위성을 완화하고 서사 완성도를 향상시킨다.

틍피; 민자경

doi:10.47294/KSBDA.27.1.45

학술저널

저자정보: 틍피 (세종대학교) 민자경 (세종대학교)

저널정보: 한국기초조형학회 기초조형학연구 기초조형학연구 제27권 제1호

오류 신고하기

피인용 0

검색

초록·키워드

판타지류 게임 캐릭터 디자인에서 캐릭터 외형은 배경 스토리를 전달하는 중요한 시각적 서사 매체이다. 생성형 AI가 캐릭터 디자인 프로세스에 도입되면서, AI가 서사 정보를 직접적으로 해석하기 어려워지고, 생성 결과에는 서사 효과가 낮고 무작위성이 강하다는 등의 문제가 나타났으며, 그 이면의 서사 전환 메커니즘은 여전히 추가적인 분석이 필요하다. 본 연구는 생성 결과에서 시각적 표현이 서사 내용에 반응하는 정도를 평가 기준으로 삼아 캐릭터 생성 실험을 진행하였다. 목적은 생성형 AI가 개입한 상황에서 서사 정보가 시각적 표현으로 전환되는 특성과 방법을 분석하는 데 있다. 연구 결과는 서사 전환이 단순한 텍스트와 이미지의 대응 관계가 아니며, AI는 서사 정보를 고정되거나 통일된 방식으로 직접 시각적 표현으로 전환할 수 없다는 점을 보여준다. 창작자의 디자인 판단을 거쳐, 다양한 생성 경로를 설정하여 제어 및 유도가 필요하다. 따라서 본 연구는 서사 전환 메커니즘을 “서사 의미층 → 디자인 판단 층 → 시각적 표현 층”의 3단계 전환 구조로 정리하였다. 이 중 서사 의미 층에서 디자인 판단 층으로의 전환은 창작자가 수행하며, 생성형 AI는 주로 디자인 판단에서 시각적 표현으로 전환되는 단계에 참여한다. 이러한 창작자와 AI의 분절적 개입 방식은 AI가 해석하기 어려운 서사 정보에 인위적으로 개입하고, AI가 의미 해석에는 참여하지 않고 텍스트 프롬프트, LoRA, ControlNet 등의 적절한 생성 경로를 통해 “캐릭터 그림”만을 생성하도록 함으로써, AI 개입 하에 서사 의미가 시각적 표현으로 전환되는 과정에서 서사 효과가 낮고 무작위성이 강하다는 문제를 어느 정도 완화시키고, 생성 결과의 서사 품질을 향상시킬 수 있다.

In the design of fantasy game characters, the appearance of the characters serves as an important visual narrative medium for conveying background stories. With the introduction of generative AI into the character design process, issues such as the AI's difficulty in directly interpreting narrative information, poor narrative effect in the generation results, and strong randomness have emerged. The underlying narrative transformation mechanism still requires further analysis. This study takes the degree to which the visual representation in the generation results responds to the narrative content as the evaluation criterion and conducts character generation experiments. The aim is to analyze the characteristics and methods of the transformation of narrative information into visual representation under the intervention of generative AI. The research results show that narrative transformation is not a simple one-to-one correspondence between text and image. AI cannot directly convert narrative information into visual representation in a fixed or uniform way. It requires the design judgment of the creator to set different generation paths for control and guidance. Therefore, this study summarizes the narrative transformation mechanism as a three-level transformation structure: "narrative semantic layer → design judgment layer → visual representation layer". The transformation from the narrative semantic layer to the design judgment layer is carried out by the creator, while generative AI mainly participates in the stage of transforming design judgment into visual representation. This method of segmented intervention by creators and AI can alleviate the problems of poor narrative effect and strong randomness in the transformation results of narrative semantics to visual representation under the participation of AI, and improve the narrative quality of the generation results by having humans intervene in the narrative information that AI has difficulty interpreting, with AI only participating in "character painting" through appropriate generation paths such as text prompts, LoRA, and ControlNet.

#생성형 AI #게임 캐릭터 #배경 이야기 #Generative AI #Game Character #Background Story #ComfyUI

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-26-02-096334855

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료