AI 생성 패션이미지의 감성평가를 통한 프롬프트 적합도 분석 (Analysis of Prompt Suitability through Emotional Evaluation of AI-Generated Fashion Images)

서지정보

· 발행기관 : 한국디자인문화학회
· 수록지 정보 : 한국디자인문화학회지 / 31권 / 1호 / 117 ~ 135페이지
· 저자명 : 김지연, 이신영

초록

AI 기술은 4차 산업의 핵심기술로 다양한 분야에서혁신을 이끌고 있다. 특히, 생성형 AI 기술은 패션디자인 분야에서 새로운 디자인 툴(Tool)로 활용이 증가하고 있으며, 디자이너의 창작 과정에 영감을 주는 패션이미지를 생성해내고 있기에 관련 연구의 필요성이 있다. 본 연구는 AI 생성 패션이미지의 감성평가와 프롬프트 적합도 분석을 통해 패션디자인 개발에 있어 효과적인 생성형 AI 프로그램의 활용을 위한 기초자료를제공하고자 한다. 패션이미지 감성에 대한 문헌연구를수행하였으며, AI 이미지 생성 시 이미지 간 발생할수 있는 모호성을 줄이기 위해 성(性)을 기준으로 대척점에 위치한 ‘로맨틱(Romantic)’, ‘매니쉬(Mannish)’ 이미지를, 운동성을 기준으로 ‘엘레강스(Elegance)’, ‘스포티(Sporty)’ 이미지를 선정, 연구범위를 한정하였다.
선정된 이미지를 대상으로 문헌 분석과 챗GPT (ChatGPT)를 활용하여 이미지별 감성 형용사를 추출하였으며, 이를 기반으로 감성 프롬프트(Prompt)를 도출하였다. 이미지 생성 프로그램 ‘미드저니(Midjourney)’ 를 통해 프롬프트를 입력, 실험이미지를 생성하였으며, 해당 이미지를 대상으로 감성평가 설문을 수행하였다.
60명의 실험참가자들에게 제공된 이미지가 AI로 생성된 이미지라는 사전정보의 제공 여부에 따라 두 그룹으로 나누어 그룹 간 비교를 포함한 다양한 통계분석을 수행하였다. 연구 결과는 다음과 같다. 첫째, 그룹간 감성평가 비교에서 ‘Mannish’, ‘Androgynous’, ‘Girlish’, ‘Calm’, ‘Simple’, ‘Live’ 형용사를 중심으로 차이가 나타났으며, 여성성과 동적 감성에 대한 감성평가에 있어 AI 이미지 생성 정보 제공이 영향을 끼쳤음을 확인하였다. 둘째, 패션이미지 간 감성 차이 분석에서 두 그룹 모두 p값이 0.001미만으로 나타나는 매우유의미한 결과를 얻을 수 있었다. 또한, 상위 집단군의감성 형용사를 도출하였고, AI 이미지 생성에 관한 사전인식 여부가 동일 이미지에 대한 감성평가 차이를불러오는 인지 요소임을 확인하였다. 마지막으로, AI 생성 이미지의 감성평가 결과 분석을 통해 텍스트 프롬프트의 적합성을 확인할 수 있었다. 이는 텍스트 기반 생성형 AI 프로그램의 패션디자인 개발 실무 활용을 위한 기초자료를 제공함에 연구의 의의가 있으며, 이를 기반으로 후속 연구를 통해 AI 리터러시 및 관련교육 개발에 기여하고자 한다.

영어초록

AI technology is a core technology of the 4th industrial revolution and is leading innovation in various fields. In particular, generative AI technology is increasingly being used as a new design tool in the field of fashion design, and there is a need for related research as it generates fashion images that inspire designers’ creative processes. This study aims to provide fundamental data for the effective utilization of generative AI programs in fashion design development by analyzing the emotional evaluation of AI-generated fashion images and the suitability of prompts. A literature review on the emotionality of fashion images was conducted, and in order to reduce the ambiguity that may occur between images when generating AI images, ‘Romantic’ and ‘Mannish’ images, which are located at opposite ends based on gender, and ‘Elegance’ and ‘Sporty’ images, which are located at opposite ends based on mobility, were selected to limit the scope of the study. Emotional adjectives for each image were extracted using literature analysis and ChatGPT for the selected images, and emotional prompts were derived based on this. The image generation program ‘Midjourney’ was used to input prompts and generate experimental images, and an emotional evaluation survey was conducted on the images. The 60 experimental participants were divided into two groups based on whether they were provided with prior information that the images were AI-generated images, and various statistical analyses including comparisons between groups were performed. The results of the study are as follows. First, in the comparison of emotional evaluations between groups, differences were found mainly in the adjectives ‘Mannish’, ‘Androgynous’, ‘Girlish’, ‘Calm’, ‘Simple’, and ‘Live’, and it was confirmed that the provision of AI image generation information had an effect on the emotional evaluation of femininity and dynamic emotions. Second, in the analysis of emotional differences between fashion images, both groups obtained highly significant results with p values below 0.001. In addition, emotional adjectives of the upper group were derived, and it was confirmed that prior awareness of AI image generation was a cognitive factor that brought about differences in emotional evaluations of the same image. Finally, the suitability of the text prompt was confirmed through the analysis of the emotional evaluation results of AI-generated images. This is significant in the study as it provides basic data for the practical use of fashion design development in text-based Generative AI programs, and based on this, it intends to contribute to AI literacy and related education development through follow-up research.

참고자료

· 없음