Earticle

초록

영어

This study analyzes the generation characteristics of generative AI-based Text-to-3D tools through a practice-based approach, utilizing design briefs and operational definitions of the Level of Detail (LOD). Simple (LOD 1) and complex (LOD 2) models of benches and fountains were produced using Meshy and evaluated quantitatively and qualitatively in terms of polygon composition, topological integrity, and texture data quality. The results indicated that while LOD 1 models achieved stable structures, LOD 2 models exhibited significant quality deviations based on their morphological traits. Notably, the linear and symmetrical bench showed a modest polygon increase of 27.7% in its complex version, whereas the fountain, incorporating organic curves and asymmetrical decorations, demonstrated a drastic surge of 807.8%, highlighting current algorithmic limitations. Furthermore, material errors such as specular artifacts were effectively corrected through the iterative application of control prompts that enforce PBR values. These findings suggest that generative AI is best utilized within a hybrid workflow—combining AI-based ideation and blocking with manual optimization—rather than as an independent production tool. Ultimately, this research provides practical error correction data to support the development of future design curricula and industrial production pipelines.

한국어

본 연구는 생성형 AI 기반 Text-to-3D 도구를 활용하여 디자인 브리프(Design Brief) 및 조작적으로 정의된 구조 적 복잡도(LOD)에 따른 생성 특성을 실습 중심으로 분석하였다. 이를 위해 Meshy를 활용하여 벤치와 분수대를 대상으로 단 순형(LOD 1)과 복잡형(LOD 2) 모델을 제작하였으며, 생성 결과를 폴리곤 구성, 위상 구조의 무결성, 텍스처 데이터 품질의 관점에서 정량･정성적으로 분석하였다. 분석 결과, 기하학적 단순 구조인 LOD 1 모델은 안정적인 품질을 보였으나, LOD 2 모델은 형태적 특성에 따라 극명한 품질 편차를 나타냈다. 특히 직선 대칭형인 벤치는 복잡형 전환 시 폴리곤 증가율이 27.7%에 그친 반면, 유기적 곡면과 비대칭 장식을 포함한 분수대는 807.8%의 급격한 폴리곤 증폭을 기록하여 AI의 알고리즘 적 한계를 확인하였다. 또한, 복잡형 모델에서 빈번한 재질 표현 오류(Specular Artifacts)는 물리 기반 렌더링(PBR) 수치를 강제하는 제어형 프롬프트의 반복 보정을 통해 기술적으로 개선 가능함을 입증하였다. 이러한 결과는 생성형 AI가 독립적 제 작 도구보다 ‘AI 기반 발상 및 블로킹 - 수작업 기반 최적화’로 이어지는 하이브리드 워크플로우에 적합함을 시사한다. 본 연 구는 실제 제작 과정의 오류 분석과 보정 절차를 제시함으로써, 향후 디자인 교육 현장의 커리큘럼 설계 및 실무 파이프라인 구축을 위한 기초 자료로 활용될 수 있음을 시사한다.

목차

요약
Abstract
1. 서론
1.1 연구 배경
1.2 연구방법 및 범위
1.3 연구절차
2. 이론적 배경
2.1 생성형 AI 기반 3D 모델링의 개념
2.2 생성형 AI 기반 3D 모델링 연구 동향
2.3 생성형 AI 모델 품질에 영향을 미치는 요인
3. 제작 실습 및 결과
3.1 벤치 모델 생성 결과
3.2 분수대 모델 생성 결과
3.3 비교 분석
4. 논의
5. 결론 및 시사점
REFERENCES

키워드

저자

• 이유섭 [ Yu-Seop Lee | 동국대학교 영상대학원 멀티미디어학과 강사 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  산업융합연구(구 대한산업경영학회지) [Journal of Industrial Convergence]

• 간기

  월간

• pISSN

  2635-8875

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 323 DDC 338