텍스타일 디자인을 위한 이미지 생성형 AI 활용 방법 및 가능성 연구

장용석

추천

검색

자료유형: 학술저널

저자정보: 장용석 (건국대학교)

저널정보: 한국조형디자인협회 조형디자인연구 조형디자인연구 제27권 제3호

발행연도: 2024.9

수록면: 131 - 156 (26page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 텍스타일 디자인 산업에서 이미지 생성형 AI의 활용 가능성을 분석하고, 디자이너와의 협업 방식을 제시하는 것을 목적으로 한다. 연구 범위는 Text-to-Image 모델 활용을 중심으로, 텍스타일 디자인에 미치는 영향을 다루었다. 연구 방법은 DALL-E3를 이용하여 디자이너와 생성형 AI 간의 상호작용을 통해 디자인 프로세스를 발전시키는 방법을 탐구하였다. 이를 통해 생성한 결과물의 품질과 효율성을 평가하고, 협업이 어떻게 이루어질 수 있는지를 분석하였다. 연구 결과, 생성형 AI를 통해 복잡한 디자인을 신속하게 생성하고 다양한 옵션을 탐색하여 발전시키는 방식은 텍스타일 디자인 프로세스에서 충분히 효과적이라는 점을 확인하였지만, 기술의 한계로 인해 디자이너의 세밀한 수작업이 포함된 두 가지 방식의 프로세스가 필요함을 발견하였다. 첫 번째 방식은 생성형 AI와 피드백을 주고받으며 지속적으로 디자인을 발전시키는 것이다. 디자이너가 원하는 모티브나 테마를 텍스트로 입력하면 이를 바탕으로 초기 디자인을 생성하고, 추가적인 텍스트 입력 또는 부분 수정을 통해 결과물을 얻는다. 여기서 부정확한 리핏 또는 모티브 형태를 수작업으로 세밀하게 수정하여 최종 패턴을 완성하는 것이다. 두 번째 방식은 각 모티프를 생성형 AI를 통해 개별적으로 생성하고 이를 디자이너가 수작업으로 조합하여 최종 패턴을 완성하는 것이다. 이러한 점을 종합하였을 때, 생성형 AI와의 협업은 창의성, 효율성 측면에서 뛰어나지만, 리핏의 정확도 부족, 모티프 형태와 디테일의 일그러짐, 시간 소요 등의 문제로 인해 완전한 활용에는 한계가 있다. 그러나 생성형 AI가 가져오고 있는 디자인 산업의 변화는 이제 시작에 불과하며, 모든 디자인 산업은 이를 활용하는 방식으로 변화될 것이다. 따라서 향후 연구에서는 다양한 이미지 생성형 AI 모델에 따른 협업 프로세스를 심층적으로 비교 및 분석하고, 텍스타일 디자인 산업에서 활발히 활용될 수 있는 데이터를 제공하는 것이 중요하다.

This study aims to analyze the potential use of image generative AI in the textile design industry and to suggest a method of collaboration with designers. The scope of the study focused on how to use the Text-to-Image model and addressed its impact on textile design. For the research method, this study explored how to develop the design process through interaction between designers and generative AI using DALL-E3. Through this, it evaluated the quality and efficiency of the generated results and analyzed how collaboration could be achieved. As a result of the study, it was confirmed that the method of exploring and developing various options through generative AI while rapidly creating complex designs was sufficiently effective in the textile design process, but found its technological limitations to require a two-way process involving detailed manual work by designers. The first approach is to continuously evolve the design by giving and receiving feedback from the generative AI. The designer inputs text about a motif or theme they're looking for, and the AI generates an initial design based on that, with additional text input or refinements. This is where inaccurate repeats or motif shapes are fine-tuned by hand to create the final pattern. The second approach is to generate each motif individually with generative AI, and then assemble them by hand by a designer to create the final pattern. In summary, collaboration with generative AI is excellent in terms of creativity and efficiency, but its full utilization is limited due to issues such as lack of accuracy in repeat, distortion of motif shapes and details as well as time-consumption. However, the changes in the design industry brought about by generative AI are just beginning, and all design industries will change by the way they utilize it. Therefore, it is important for future research to provide an in-depth comparative analysis of the collaboration process under different image generative AI models and provide data that can be actively utilized in the textile design industry.

#인공지능 #이미지 생성형 #달리3 #프롬프트 엔지니어링 #텍스타일 디자인 #Artificial Intelligence #AI Image Generative AI #DALL-E3 #Prompt Engineering #Textile Design

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

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

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)