검색 상세

미학 슬라이더: 디퓨전 모델 잠재공간의 회화적 표현 특성 분석과 생성적 활용에 관한 연구

  • 이빈 (서강대학교 일반대학원)

초록(요약문)

미학 슬라이더 최근 생성형 AI는 텍스트 프롬프트만으로 사실적인 이미지를 생성할 수 있을 만큼 발전했지만, 디퓨전 모델이 회화 이미지의 형식적·양식적 특징을 어떻게 학습하고 생성에 반영하는지에 대한 연구는 아직 충분하지 않다. 기존 연구는 주로 자연 이미지를 중심으로 생성 모델의 내부 표현과 제어 가능성을 분석해 왔으며, 선, 색채, 질감, 공간 구성, 화풍과 같은 회화 고유의 시각적 특징에 대한 분석은 상대적으로 제한적이었다. 본 연구는 디퓨전 모델이 회화의 형식적·양식적 특징을 생성하고, 이를 특징 공간과 슬라이더 조작을 통해 분석·제어할 수 있는지를 실험적으로 탐구한다. 이를 위해 Stable Diffusion v1.5에 회화 스타일 LoRA를 학습시킨 뒤, 생성 이미지에서 DINOv2 임베딩을 추출하고 주성분 분석（PCA）을 적용하여 회화 스타일과 관련된 주요 시각적 방향을 비지도적으로 도출하였다. 이후 주성분（PC） 방향을 바탕으로 LoRA 기반 슬라이더를 제작하여, 가중치 조절에 따른 화풍 변화를 분석하였다. 생성 결과의 해석에는 하인리히 뵐플린의 형식 분석 개념— 선적인/회화적인 표현, 평면성/깊이감, 폐쇄형/개방형 구성 등—을 참고하여, 주성분 방향이 단순한 수치적 차원이 아니라 회화의 형식적·양식적 차이와 관련될 가능성을 검토하였다. 실험 결과, 디퓨전 모델은 회화의 다양한 형식적·양식적 특징을 생성 이미지에 반영할 수 있었으며, 일부 주성분 방향은 회화적 표현 방식과 연결되는 경향을 보였다. 또한 여러 슬라이더의 가중치를 조합함으로써 창작자의 의도에 따라 새로운 가상 화풍을 생성할 수 있는 가능성을 확인하였다. 이러한 결과는 생성형 AI를 단순한 이미지 생성 도구가 아니라, 창작자가 이해하고 조절할 수 있는 협업적 창작 도구로 활용하기 위한 이론적·실천적 근거를 제시한다.

more

목차

국문초록 및 주제어

제 1 장 서론
1.1 연구 배경 3
1.2 문제 제기 5
1.3 연구 목적 7
1.4 연구 질문 9

제 2 장 선행연구
2.1 생성형 AI의 잠재공간과 시각적 개념 제어 연구 11
2.2 컴퓨터 비전 기반 미술 이미지 분석과 미술사 분석 연구 13

제 3 장 이론적 배경
3.1 Latent Diffusion Model 18
3.2 LoRA （Low-Rank Adaptation, 저랭크 어댑터） 20
3.3 DINOv2 특징 추출 21
3.4 PCA （주성분 분석） 23

제 4 장 방법론
4.1 연구 방법 개요 26
4.2 데이터셋 구성 28
4.3 회화 이미지 LoRA 학습 30
4.4 DINOv2 특징 추출 33
4.5 주성분 분석（PCA）기반 시각적 방향 추출 36
4.6 주성분（PC）방향 LoRA 학습 41

제 5 장 실험 결과 및 분석
5.1 뵐플린의 형식 분석 개념을 통한 시각 구조 분석 43
5.2 회화 LoRA 학습 기반 회화 이미지의 표현 분석과 결과 46
5.3 주성분（PC） 방향을 통한 회화 이미지의 표현 구조 분석 및 결과 55
5.4 미학 슬라이더: 디퓨전 모델의 회화 이해를 활용한 가상 화풍 생성 64

제 6 장 논의 68

제 7 장 결론 74
부록: 추가 생성 결과 76

참고문헌 84
영문초록 및 주제어 90

more
반출 Meta View 목록