스마트인재개발원 '싱싱한 GAN' 팀, AI 애니 화풍 변환 서비스 제안
딥러닝 모델 'GAN' 활용…사진을 90년대 애니메이션 화풍으로 변환
레트로 감성과 향수 자극…디자이너·웹툰작가 작업 효율성 높일 것
기술 고도화로 움짤·영상 등 적용 가능…'나만의 굿즈' 제작 서비스도
【편집자주】 광주광역시 소재 스마트인재개발원은 4차 산업혁명 시대에 발맞춰 양질의 IT 전문인력을 양성하면서 '인공지능 중심도시' 광주의 AI 생태계 조성에 힘을 보태고 있다. 그동안 스마트인재개발원 교육생들은 국내 주요 해커톤 대회에서 잇따라 우승해 실력을 입증해왔다. 최근엔 인공지능‧빅데이터 분야 과정을 수료한 청년들이 최종 프로젝트 성과를 발표했다. Aidea 기획시리즈를 통해 이들의 기발한 아이디어들을 소개한다.
# 전 세계적으로 인기를 끌었던 넷플릭스 드라마 '오징어 게임'이 최근 90년대 애니 그림체로 재탄생해 화제가 됐다. 인터넷에서 이를 본 30대 A씨는 어릴 적 즐겨봤던 세일러문과 란마 등 애니메이션들이 생각났다. 마침 A씨의 친구가 인공지능(AI)으로 사진을 90년대 애니 화풍으로 바꿔주는 웹사이트를 알려줘 바로 접속해 사용해봤다.
웹페이지에서 사진을 선택해 업로드하자 AI가 바로 이미지를 90년대 만화처럼 바꿔준다. 그 시절 감성을 고스란히 담은 이미지를 보고 있자니 옛 추억이 하나둘 떠올라 즐거워진다. 이미지를 저장해 휴대폰 배경화면으로 사용하기도 하고 SNS에서 친구들과 공유해 추억을 나눴다.
좋아하는 영화·드라마를 만화책으로 소장하거나 소설 속에서 묘사된 인물들을 실사화해 이미지로 구현하는 등 국내외적으로 예술창작 영역에서 인공지능(AI) 기술을 활용하려는 움직임이 늘어나고 있다. 일반 사진을 유명 화가의 화풍으로 변환해주는 AI 기술도 등장했다. 특히 지난 2020년엔 한 서울대 대학원생이 이말년 웹툰 작가의 그림체를 기반으로 얼굴 사진을 웹툰 캐릭터로 생성하는 AI 모델을 개발해 외신에도 소개될 만큼 화제가 됐다.
이처럼 예술창작 분야에서 AI의 활약이 커지는 가운데 스마트인재개발원의 '싱싱한 GAN' 팀은 딥러닝 모델을 활용한 90년대 애니메이션 화풍 변환 서비스를 제안했다. 실제 인물이나 배경 등의 사진을 서비스 웹페이지에 올리면 AI가 옛 추억 속 애니메이션 캐릭터나 장면으로 바꿔준다. 이렇게 탄생한 90년대 감성의 이미지는 모바일·데스크톱 배경화면과 음악 앨범 커버 등 다양하게 사용될 수 있다.
해당 서비스의 핵심은 '생성적 적대 신경망(GAN)'이라 불리는 딥러닝 기술이다. GAN을 기반으로 생성된 90년대 애니메이션 이미지는 레트로(retro) 감성과 향수를 자극한다. 최근 들어 레트로 열풍과 함께 90년대 애니메이션 소비량도 증가하고 있다고 한다. 90년대 애니메이션 황금기에 자란 이들은 이러한 서비스를 통해 과거 옛 추억을 떠올리며 친숙함과 반가움을 느낄 것이다.
※ GAN(생성적 적대 신경망, Generative Adversarial Network) : 두 개의 인공신경망, 즉 생성기(generator)와 판별기(discriminator)가 상호 경쟁하는 동시에 서로를 훈련시키면서 실제와 가까운 이미지‧영상‧음성 등을 자동으로 만들어내는 AI 기계학습 방법론의 하나다. 하나의 신경망이 이미지를 생성하면, 나머지 다른 신경망은 그 정확도를 평가하는 방식이다.
이번 프로젝트에서는 사용자가 원하는 이미지를 90년대 애니 화풍으로 변환해 디자인을 제공하는 웹 서비스를 선보였지만, 향후 다양한 장르의 애니메이션 화풍으로도 확대 적용이 가능하다는 게 싱싱한 GAN 팀의 설명이다. 이 같은 서비스가 상용화될 경우 디자인 직군 종사자와 웹툰 작가의 작업 시간을 크게 단축시킴으로써 업무의 효율성을 높일 것으로 보인다. 싱싱한 GAN 팀의 김현상 팀장을 통해 해당 아이디어에 대한 이야기를 들어봤다.
스마트인재개발원의 '생생한 GAN' 팀이 제안한 '딥러닝 모델을 활용한 90년대 애니메이션 화풍 변환 서비스' 아이디어 영상. (영상=김현상 팀장 제공).
Q. 아이디어를 고안하게 된 계기가 궁금합니다.
▶ 우연히 구글의 '딥드림(Deep Dream)'을 알게 됐는데, '생성적 적대 신경망(GAN)'이라는 딥러닝 모델이 활용됐다.
이는 일반 사진을 유명 화가의 화풍으로 변환해주는 기술이다. 우리 팀은 해당 기술에 흥미를 느껴 GAN을 활용한 주제를 선정하게 됐다.
Q. 아이디어에 대한 구체적인 설명 부탁드립니다.
▶ 어떤 화풍으로 변환하면 좋을지 고민을 많이 했다. '진로 소주'나 '포켓몬빵'이 최근 재출시돼 화제가 되는 것을 보고 '레트로(retro)'에 관심이 갔다. 그중 '세일러문'이나 '란마'와 같은 90년대 애니메이션 특유의 색감이나 감성이 유행한다는 점에 주목했다. 그래서 이번 프로젝트에서 90년대 애니메이션 화풍을 선정하게 됐다.
다른 팀들은 분류 모델을 활용하는 경우가 많았는데 우리 팀은 생성 모델을 활용해 차별점을 뒀다. 우리는 이번 서비스 구현을 위해 스타일GAN(StyleGAN)과 사이클GAN(CycleGAN), 카툰GAN(CartoonGAN) 등 각종 GAN 모델을 활용했다. 또 플라스크(Flask)를 이용해 서버를 구축했다.
Q. 프로젝트를 수행하는 과정에서 어려움은 없었는지요.
▶ 우선 환경 구축에 있어 각 GAN 모델에 맞는 텐서플로우(Tensorflow), cuDNN, CUDA 등의 버전을 맞추는 데 예상보다 많은 시간을 할애했다. 또 GAN 모델이 우리에게 생소한 모델이라 여러 서적과 논문을 통해 개념을 익히고 다양한 오픈 소스를 분석하고 활용하는 과정에서 어려움을 느꼈다. 게다가 GAN 모델에 우리가 수집한 학습 데이터셋을 적용하는 데 생각보다 많은 시간이 소요돼 프로젝트 일정이 변경되는 일도 있었다.
Q. 이번 성과가 향후 어떻게 활용될 수 있을지요?
▶ 이 같은 서비스는 향후 원하는 웹툰 화풍 변환을 통해 웹툰 작가가 웹툰 속 배경을 제작하는 데 도움을 줄 수 있을 것으로 보인다. 또 나만의 굿즈 제작 서비스로도 발전할 수 있다. 기술 고도화를 통해 사진뿐만 아니라 GIF 그림파일 형식의 움짤이나 동영상에도 적용 가능할 것으로 기대한다.
Q. 향후 계획에 대해.
▶ 현재로서는 아직 계획이 없다. 하지만 추후 모델을 개선한다면 웹툰이나 굿즈, 동영상 제작 쪽으로 서비스 개발을 하면 좋을 것 같다.
Q. 마지막으로 강조하고 싶은 한 말씀.
▶ 짧은 기간이지만 많은 것을 폭넓게 배울 수 있는 기회가 됐다. 열정적인 선생님들 덕분에 많은 것을 배울 수 있었다. 보충수업은 물론 프로젝트 기간에도 도움을 요청하면 끝까지 해결해 주시려는 책임감 있는 모습을 보여주셨다. 이 같은 경험이 앞으로 성장할 수 있는 밑거름이 되리라고 생각한다.
AI타임스 윤영주 기자 yyj0511@aitimes.com
[관련기사] [Aidea] ㉝ “우리 아이 괜찮을까?”…AI가 어린이집 아동 학대 막는다
[관련기사] [Aidea] ㉜ 사진 한 장으로 수목(樹木) 아픈 곳 찾아내는 AI…질병 진단부터 관리까지 한번에
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com