Earticle

위험상황 발생 시 비상구 역할을 하는 옥상은 소방법상 화재를 대비하여 개방되어 있어야 한다. 그러나, 옥상 문 개방 시 불법적인 출입, 범죄, 투신 등 각종 사건, 사고 발생의 장소가 되고 있다. 그러다보니, 범죄 및 각종 사건, 사고의 방지를 위하여 시설관리 측면에서 옥상 출입문을 폐쇄하는 것이 현실이다. 이에, 정부에서는 옥상 출입문에 전자식 자동개폐장치 설치를 의무화하는 내용의 주택건설기준 등에 관한 규정 입법을 추진하고 있 다. 따라서, 본 논문에서는 지능형 비상문 개폐장치 시스템을 제안하였다. 이를 위해, 유무선 출입 카운팅 및 AI 영상분석을 연동하여 지능형 비상문 개폐 시스템을 개발하였다. 최종적으로, 장치상태 실시간 모니터링 이벤트 알 람 중앙 집적 방식의 원격제어 및 이력관리 기능이 제공되는 무선통신 기반 통합 관리 플랫폼 구축이 가능하다.

In case of a dangerous situation, the roof, which serves as an emergency exit, must be open in case of fire according to the Fire Act. However, when the roof door is opened, it has become a place of various incidents and accidents such as illegal entry, crime, and suicide. As a result, it is a reality to close the roof door in terms of facility management to prevent crime, various incidents, and accidents. Accordingly, the government is pushing to legislate regulations on housing construction standards, etc. that mandate the installation of electronic automatic opening and closing devices on rooftop doors. Therefore, in this paper, an intelligent emergency door opening/closing device system is proposed. To this end, an intelligent emergency door opening and closing system was developed by linking wired and wireless access counting and AI image analysis. Finally, it is possible to build a wireless communication-based integrated management platform that provides remote control and history management in a centralized method of device status real-time monitoring and event alarm.

교통사고 발생 시 과실 비율 산정은 당사자들에게 많은 시간과 비용이 들어가는 문제이다. 특히 교통수단과 인프라가 발전함에 따라 교통사고는 복잡해져 전문 변호사 사이에서도 의견이 분분하다. 딥러닝 기반의 비디오 분석은 최근 여러 모델과 기법들이 제시되면서 점점 다양한 분야에서 사용되고 있다. 본 연구에서는 이러한 비디오 분석 모델들을 교통사고 과실 비율 산정에 적용하여 문제들을 해결하고자 한다. 최근 많이 연구 되고 있는 비디오 분석 모델 프레임 워크인 CNN 계열 모델과 Transformer 계열 모델들을 비교 분석하여 보다 적절한 네트워크 아키텍처가 무엇인지 연구해보고자 한다. 교통사고 과실 비율을 예측값으로 설정하여 회귀 방법론으로 문제를 정의하였고, 실제 판례가 존재하는 교통사고 영상을 기반으로 네트워크를 학습시킨다. 비디오 분석 분야의 인공지능 모델은 프레임 단위로 사고 순간의 영상을 분석할 수 있어 보다 효과적으로 과실 비율 산정에 도움을 줄 수 있을 것으로 예상된다.

본 연구는 상처 부위의 온도·습도·압력 변화와 상처 이미지 정보를 함께 활용하여 상처 상태를 보조적으로 모니터링할 수 있는 AI 기반 스마트 거즈 시스템을 개발하고자 하였다. Arduino UNO, DHT22, FSR406, HC-05 블루투스 모듈과 App Inventor 기반 모바일 앱을 이용하여 생체환경 데이터를 수집하였고, Kaggle 상처 분할 데이터와 DFUTissueSegNet 데이터를 활용하여 U-Net 기반 상처 영역 및 조직 분할 모델을 학습하였다. 분석 결과, 상처 영역 분할 모델은 Dice score 0.792를 보였으며, 조직 분할 모델은 Class 1 0.492, Class 2 0.916, Class 3 0.665, 평균 0.691의 Dice score를 나타냈다. 또한 이미지 분석 결과와 센서 요약값을 결합한 rule-based 판단 과정을 통해 정상 회복 경향, 관리 필요, 감염 의심 상태를 구분하였다. 본 연구는 상처 상태 변화 확인과 의료진 확인 필요성을 보조하는 초기 시스템으로 활용 가능성이 있다.

This study aimed to develop an AI-based smart gauze system that assists wound monitoring by combining temperature, humidity, pressure, and wound image information. Biological environmental data were collected using Arduino UNO, DHT22, FSR406, HC-05 Bluetooth modules, and an App Inventor-based mobile application. In addition, U-Net-based wound area and tissue segmentation models were trained using Kaggle wound segmentation data and DFUTissueSegNet data. The wound area segmentation model achieved a Dice score of 0.792, while the tissue segmentation model showed Dice scores of 0.492 for Class 1, 0.916 for Class 2, 0.665 for Class 3, and an average Dice score of 0.691. A rule-based decision process combining image analysis results and sensor summary values classified normal recovery tendency, management-needed status, and suspected infection status. This system may support wound status monitoring and medical staff confirmation.

The architectural industry is currently undergoing a paradigm shift in the planning phase, driven by the rapid advancement of Artificial Intelligence (AI) technology. Traditional schematic design processes have faced limitations due to the fragmented nature of legal compliance reviews, feasibility analyses, and the generation of design alternatives, which lead to significant expenditures of time and cost in decision-making. This study proposes an integrated workflow that synergizes numerical optimization via AI-driven automated schematic design solutions with visual concretization through image generative AI. The objective is to investigate the potential for simultaneously performing data-driven profitability assessments and conceptual design in the early stages, thereby enhancing communication efficiency among architects, clients, and key stakeholders.

최근 생성형 인공지능의 급속한 발전은 콘텐츠 생산과 소비 전반에 근본적인 변화를 야기하고 있다. 특히 2025 년 3월 25일 OpenAI의 ChatGPT-4o 이미지 생성 기능 발표 직후 확산된 ‘지브리 스타일 AI 이미지’ 유행으로, AI 생성 이미지는 대중적이고 일상적인 소비행위로 자리 잡았다. AI 생성 이미지의 급속한 확산은 소비자의 역 할을 수동적 수용자에서 능동적 공동 창작자로 전환시켰으나, 동시에 AI 이미지의 진정성 결여, 저작권 침해 우려, 일자리 대체 불안 등 다양한 소비자 반응이 새롭게 드러났다. 이에 본 연구는 ‘지브리 스타일 AI 이미지’ 현상을 중심으로, AI 생성 이미지 콘텐츠에 대한 실제 소비자 반응을 탐색적으로 분석하였다. 이를 위해 2025년 3월부 터 2025년 5월까지 유튜브에 업로드된 관련 영상 27편에서 11,190개의 댓글을 수집하였으며, 최종적으로 분석 대상으로 선정된 8,553개의 댓글에 LDA 토픽모델링과 KOTE 감성분석을 적용하였다. 분석 결과, 토픽은 ‘AI 화풍과 저작권 논쟁’, ‘무단 이미지 학습과 윤리적 쟁점’, ‘유행으로서의 AI 이미지 소비’, ‘AI의 직업 대체와 적응 전략’, ‘AI 이미지 소비와 개인정보 우려’, ‘지브리 창작자에 대한 감정적 연대’ 등 6개로 분류되었으며, 대부분의 토픽에서 부정 감정이 75% 이상을 차지하는 등 비판적 반응이 강하게 나타났다. 특히 소비자들은 AI 이미지가 단순한 기술적 산물이 아닌 사회문화적 의미와 감정적 판단의 대상임을 인식하고 있었으며, 창작자 권리와 진정성, 기술 수용 윤리 등을 중심으로 복합적인 평가를 수행하고 있었다. 본 연구는 기존 기술 수용 중심 연구로는 설명 하기 어려운 AIGC에 대한 소비자의 비판적 태도, 감정적 저항, 윤리적 판단 등 복합적인 소비자 반응을 탐색적으로 규명함으로써, 향후 AI 생성 콘텐츠에 대한 정책적․교육적 논의를 위한 기초자료를 제공한다는 점에서 의의를 갖는다.

Recent advances in generative artificial intelligence(AIGC) have significantly reshaped content creation and consumption. Following the March 2025 release of ChatGPT-4o’s image generation feature, the viral spread of “Ghibli-style AI images” illustrated how AIGC is becoming an everyday practice. While such tools shift consumers’ roles from passive recipients to active co-creators, they also provoke complex reactions regarding authenticity, copyright, creator rights, privacy, and job displacement. To examine these responses, this study collected 11,190 YouTube comments from 27 related videos uploaded between March and May 2025, and after preprocessing, analyzed a final set of 8,553 comments. Latent Dirichlet Allocation (LDA) topic modeling and Korean Online That-gul Emotions (KOTE) sentiment analysis revealed six major themes: (1) copyright debates surrounding AI art styles, (2) unauthorized image training and ethical issues, (3) AI images as trend-driven consumption, (4) job displacement and adaptation strategies, (5) privacy concerns, and (6) emotional solidarity with original creators. Across most topics, over 75% of comments expressed negative affect, indicating a predominantly critical and emotionally engaged stance toward AIGC. Consumers viewed AI-generated images not merely as technological products but as cultural and ethical objects requiring evaluative judgment. This study provides empirical evidence of consumers’ critical reception and resistance to AIGC, offering implications for consumer-centered policy design, ethical guideline development, and future research on emotion-based innovation resistance in emerging AI ecosystems.

In this paper, the necessity of AI video interview arises when conducting an interview for acquisition of excellent talent in a non-face-to-face situation due to similar situations such as Covid-19. As a matter to be supplemented in general AI interviews, it is difficult to evaluate the reliability and qualitative factors. In addition, the AI interview is conducted not in a two-way Q&A, rather in a one-sided Q&A process. This paper intends to fuse the advantages of existing AI interviews and video interviews. When conducting an interview using AI image analysis technology, it supplements subjective information that evaluates interview management and provides quantitative analysis data and HR expert data. In this paper, image-based multi-modal AI image analysis technology, bioanalysis-based HR analysis technology, and web RTC-based P2P image communication technology are applied. The goal of applying this technology is to propose a method in which biological analysis results (gaze, posture, voice, gesture, landmark) and HR information (opinions or features based on user propensity) can be processed on a single screen to select the right person for the hire.

In Consciousness Explained, Daniel Dennett argued that consciousness is a phenomenon emerging from the complex flow of information in the brain, and to understand it, an objective approach is necessary. While AI is increasingly mimicking human functions, it is difficult to say that AI possesses consciousness similar to humans. However, consciousness is an essential factor for perception, but perception does not necessarily require consciousness. Therefore, this study aims to analyze how similar the way AI, particularly the DALL-E model developed by OpenAI, processes visual information is to the structure of human perception. In the study, new images were generated using the GPT-4 DALL-E model based on five sets of reference images, and the structural similarity between the generated images and the reference images was analyzed using SSIM (Structural Similarity Index Measure). The SSIM scores of the images generated by DALL-E based on the reference images ranged between 0.131 and 0.63. This confirmed that AI learned some degree of the visual patterns from the reference images. However, AI did not generate images that perfectly aligned with human perception, and images that contained complex shapes or fine textures recorded lower SSIM scores. Notably, the AI showed limitations in depicting human portraits, suggesting that AI’s perception system is simplified compared to the complexity of human perception structures. This study demonstrated that while the DALL-E model has potential in processing visual information, there remains a clear difference from the complex human perception system. These results suggest that AI still has limitations in mimicking the way humans process visual information, indicating a need for further in-depth research into the independent characteristics of AI perception in the future

오늘날 AI 이미지 생성 기술은 산업 전반으로 확대되어 활용되고 있다. 이에 따라 패션 산업 분야에 최적화된 다양한 AI 이 미지 생성 프로그램들이 개발되어 상용화되고 있다. 본 연구에서는 플레이그라운드, 미드저니, 더뉴블랙 등의 AI 이미지 생성 프로그 램에서 생성한 패션 이미지의 시각적 특징을 비교 분석하여 각 프로그램의 특징을 파악하고 각 프로그램이 활용될 수 있는 분야와 문제점을 짚어보았다. 연구 결과는 다음과 같다. 첫째, 플레이그라운드와 미드저니는 명령어의 내용을 직관적으로 적용하여 실제 패션 트랜드와는 다른 이미지를 생성하는 반면 뎌뉴블랙은 패션 트랜드와 비교적 유사한 이미지를 생성하였다. 둘째, 플레이그라운드는 명 령어 내용에 해당하는 이미지를 분리 또는 조합하는 반면 미드저니는 다양한 디테일을 추가하여 융합함으로써 새로운 이미지를 생성 하는 경향이 있다. 셋째, 플레이그라운드에서는 명령어에 제시되지 않은 색상이 배색되어 나타나는 무작위성이 있으며 더뉴브랙에서 는 명령어에 포함되지 않은 색상이 코디네이션되어 나타나고 미드저니는 명령어에 지시한 색상을 비교적 정확히 생성한다. 결론적으 로 미드저니는 독특하고 창의적인 패션디자인 개발을 위한 영감을 얻고자 할 때 활용할 수 있으며 더 뉴 블랙은 패션 트랜드를 참고 하거나 패션 스타일링에 도움이 될 수 있겠다. 반면 플레이그라운드는 색상 생성에 있어 다소 혼돈이 있을 수 있으니 주의할 부분이 라고 할 수 있다. 본 연구를 통하여 패션디자인 개발에 있어 AI 이미지 생성 도구가 더욱 효율적으로 활용될 수 있기를 기대한다.

Today, AI image creation technology is being expanded and utilized across industries. Accordingly, various AI image creation programs optimized for the fashion industry are being developed and commercialized. In this study, we compared and analyzed the visual characteristics of fashion images created by AI image creation programs such as Playground, Midjourney, and The New Black to identify the characteristics of each program and point out areas where each program can be used and problems. The results are as follows: First, while Playground and Midjourney intuitively applied the contents of the command to create images that were different from actual fashion trends, Dannew Black created images that were relatively similar to fashion trends. Second, while Playground separates or combines images corresponding to the command content, Midjourny tends to create new images by adding and fusing various details. Third, in Playground, colors not included in the command appear randomly, and in The New Black, colors not included in the command appear coordinated, and Midjourney generates the color specified in the command relatively accurately. In conclusion, Midjourney can be used when seeking inspiration for developing unique and creative fashion designs, and The New Black can be helpful in referencing fashion trends or fashion styling. On the other hand, playgrounds can be somewhat confusing when it comes to color creation, so this is something to be careful about. It is expected that AI image creation tools can be used more efficiently in fashion design development.

본 연구는 새로운 디자인 도구로서생성형 AI의 속성을이 해하고 대화체 명령어인 AI 프롬프트를 효과적으로 활용할 수 있도록 AI 프롬프트의 기본 구성 체계를 제시하는 데 목 적을 둔다. 우선 AI 기술이 가져온 산업계의 변화와 그로 인 한 AI기반 디자인(AI-powered Design) 분야의 변화를 확인 하기 위해 선행연구 고찰 및 각종 매스컴에서 다룬 AI 관련 미디어콘텐츠를 발췌하여 살펴보고, 국내 기업들의 생성형 A I 활용 사례와 선행연구 및 온라인워크숍 강연 등을 고찰하여 트렌디한 속성을 정의하였다. 또한 AI 공모전 수상작 및 AI 아티스트가 작성한 우수한 생성형 AI의 프롬프트 사례 비교 분석을 통해 AI 프롬프트의 기본적인 구성 체계를 도출하였 다. 생성형 AI가 이미지 생성에 영향을 끼치는 속성으로 4가 지 유사성, 상호작용성, 의존성, 윤리성을 도출하여 상세히 설 명하였고, 이를 바탕으로 AI 프롬프트의 범주를 디자인 대상 (이미지 내용), 형태의 특징(스타일), 구체적 조건(컨디션) 3 단계로 구분하여 각 범주별 구성 요소들의 내용과 성격을 상 세히 정의한 후 기본 구성 체계를 프롬프트의 범주와 유형, 내용/성격으로 구조화하여 도출하였다. 생성형 AI의 속성에 대한 이해를 바탕으로 생성형 AI 프롬프트 작성을 원활하게 하기 위한 기본 구성 체계를 제시한 것은 연구의 결과로써 의 의가 있다. 향후 생성형 AI를 활용한 디자인 도구화를 더욱 적극적으로 만들어 가는 후속 연구로 지속되기를 기대한다.

This study aims to understand the attributes of generati ve AI as a new design tool and to propose a basic structu re for AI prompts, which are conversational commands in order to do their effective use. First, to examine the chan ges brought about by AI technology in the industry and the resulting shifts in AI-powered design field, we revie wed previous studies and analyzed media content related to AI from various mass media sources. And we aimed to define the trendy attributes of generative AI by explori ng its utilization cases in domestic companies, as well as through previous studies and online workshops. Addition ally, the fundamental structure of AI prompts was derive d through a comparative analysis of exemplary prompts created by AI artist and award-winning works from AI competitions. The four attributes of generative AI that af fect image creation—similarity, interactivity, dependency, and ethics—were derived and explained in detail. Based on this, AI prompts were categorized into three stages: d esign target (image content), shape characteristics (styl e), and specific conditions (condition). After defining the content and characteristics of the components within eac h category in detail, the basic composition system was st ructured and derived based on the categories, types, and content/characteristics of the prompts. The proposal of a basic framework for creating generative AI prompts, bas ed on an understanding of the attributes of generative AI, is significant as a result of this study. It is hoped that fut ure research will continue to actively develop generative AI into a more robust design tool.

COVID-19의 영향으로 로드샵과 수많은 오프라인 매장은 예전과 달리 많은 어려움을 격고 있다. 이에 대응하 기 위하여 뷰티업계에서는 고객들의 수요를 충족하고자 다양한 비대면 서비스들을 선보이고 있다. 본 논문에서는 비 대면 서비스 중 모바일 환경에서 이미지 기반 퍼스널 컬러 측정 기술의 품질과 제품 추천 서비스에 대한 고찰을 진 행하였다. 현재 글로벌 서비스 시장에서 많이 활용되고 있는 엔진에 대한 다양한 실험과 실제 측색 장비를 활용한 컬 러 측정 데이터에 대한 비교 분석, 서비스 구현 및 지표 데이터 등으로 구성되었다. 정밀한 실험결과를 위해 일관된 실험 환경에서 실험을 진행하였다. 본 논문이 이미지 기반 피부 컬러 측정에 따른 개인화 제품 추천 서비스의 확장에 활용될 수 있기를 기대한다.

The prolonged of the Post Corona, many Cosmetic company launched various online services. In this paper, consider about the quality of product recommendation using personal color detecting technology. Using the detecting tool which is most widely used by cosmetic company. we will do a lot of testing with this tool and also testing with color detecting equipment. For precise experimental results, it was conducted in a consistent experimental environment. This experiment can be a foundation that can be well used for the expansion of personalized product recommendation services according to the current image-based skin color measurement.

이미지 생성형 AI의 등장으로 미술, 디자인 전문가가 아니어도 텍스트 입력을 통해 완성도 높은 그림 작품을 만들 수 있게 되었다. 생성 이미지의 활용 가능성과 예술 산업에 미치는 영향력이 높아짐에 따라 사용자가 AI와 공 동 창작하는 과정을 어떻게 인식하는지에 대해 연구 필요성이 제기되고 있다. 이에 본 연구에서는 일반 사용자들을 대상으로 이미지 생성형 AI 창작에 대한 예상 과정과 체감 과정을 알아보고 어떤 과정이 사용자의 창작 주체감에 영 향을 미치는지 알아보는 실험 연구를 진행하였다. 연구 결과 사용자들이 기대한 창작 과정과 체감한 창작 과정 간 격 차가 있는 것으로 나타났으며 창작 주체감은 낮게 인식하는 경향을 보였다. 이에 AI가 사용자의 창작 의도를 지원하 는 조력자의 역할로 작용하여 사용자가 높은 창작 주체감을 경험할 수 있도록 8가지 방법을 제언한다. 본 연구를 통 해 사용자 중심적인 창작 경험을 고려하여 향후 이미지 생성형 AI의 발전에 기여할 수 있다.

The advent of image generative AI has made it possible for people who are not experts in art and design to create finished artworks through text input. With the increasing availability of generated images and their impact on the art industry, there is a need for research on how users perceive the process of co-creating with AI. In this study, we conducted an experimental study to investigate the expected and experienced processes of image generative AI creation among general users and to find out which processes affect users' sense of creative agency. The results showed that there was a gap between the expected and experienced creative process, and users tended to perceive a low sense of creative agency. We recommend eight ways that AI can act as an enabler to support users' creative intentions so that they can experience a higher sense of creative agency. This study can contribute to the future development of image-generating AI by considering user-centered creative experiences.

This study examines the applicability of generative AI in fashion design through a comparative analysis of GPT-based generators, LOOK AI, and Stable Diffusion. A dress sketch was chosen as a complex test item, and images were evaluated by 15 professional designers using a structured survey across three domains: design reproduction, visual fidelity, and practical usability. ANOVA results showed that LOOK AI achieved the highest accuracy and usability, GPT-based tools performed moderately with strengths in structural interaction, and Stable Diffusion, while creative, showed lower fidelity. By combining expert evaluation with a complex garment type under controlled conditions, the proposed method provides a practical framework for validating AI image tools, offering implications for fashion practice and education as well as potential extension to other design fields.

This study aims to provide foundational data necessary for enhancing user satisfaction with the image-generating AI model DALL-E. As such, clothing images were generated using DALL-E, followed by a two-phase satisfaction survey to examine various aspects of generative AI's application in the clothing industry. The survey targeted women in their 20-40s residing in Seoul and Gyeonggi-do Province, with the following findings obtained: First, no statistically significant differences were found in women's satisfaction with their body shapes across age groups. Second, design inputs regarding color and pattern were predominantly specified for tops, while for bottoms and outerwear, color and material were predominantly specified. Third, participants were grouped by purchase intention, with satisfaction levels analyzed for tops, bottoms, and outerwear. All three categories showed statistically significant differences at the p < .01 level in relation to alignment with preferred styles and most unsatisfactory item. Fourth, images of tops were rated the most satisfactory, while those of bottoms, the most unsatisfactory. Satisfaction was primarily attributed to style alignment, whereas dissatisfaction represented any discrepancy between the generated image and participant expectations. Fifth, no statistically significant differences were found for any measured item in relation to body satisfaction and self-esteem.

최근 이미지 생성형 AI 기술의 발전은 디자인 분야에서 창의적 작업을 지원하는 도구로 주목받고 있다. 본 연구는 그래픽 디자인 분야에서 주요 이미지 생성형 AI 툴인 DALL·E, Midjourney, Stable Diffusion Online, Firefly의 활용 우위를 분석하는 것을 목적으로 한다. 이를 위해 아이덴티티 디자인, 포스터 디자인, 웹 디자인의 세 분야를 대상으로, 문헌 연구와 전문가 설문을 통해 각 AI 툴의 프로세스 단계별 적용성과 효과를 평가하였다. 연구 결과, 프로세스 2단계(아이디어 발상)에서는 DALL·E가, 3단계(디자인 시안 제작)와 4단계(디자인 선별 및 개선)에서는 Midjourney가 상대적으로 높은 평가를 받았다. 또한, Firefly는 초기 프롬프트 생성에서는 상대적으로 성능이 낮았으나, 프로세스가 진행될수록 평가가 점차 상승하여 레퍼런스 이미지를 기반으로 한 수정 작업에서 비교적 긍정적인 결과를 보였다. 본 연구는 디자이너들이 작업에 적합한 AI 툴을 선택하는 데 유용한 가이드를 제공하며, 디자인 프로세스에서 AI 기술을 효과적으로 활용할 수 있는 기초 자료로 활용될 수 있을 것으로 기대된다.

The rapid advancement of image-generating AI technology has garnered attention as a creative tool in the design field. This study aims to analyze the priority of major image-generating AI tools-DALL·E, Midjourney, Stable Diffusion Online, and Firefly-in graphic design. Focusing on three areas of graphic design-identity design, poster design, and web design-the study conducted literature reviews and expert surveys to evaluate the applicability and effectiveness of each AI tool across different design process stages. The results indicate that DALL·E excelled in stage 2 (idea generation), while Midjourney performed better in stage 3 (design prototyping) and stage 4 (design selection and refinement). Furthermore, Firefly, while initially showing lower performance in prompt creation, demonstrated gradual improvement as the process progressed, yielding comparatively positive results in tasks involving reference-based design refinement. This study provides valuable guidance for designers in selecting appropriate AI tools for their work and is expected to serve as foundational research for effectively integrating AI technology into the design process.

본 연구는 건축용으로 사용할 수 있는 생성형 이미지 AI 프로그램인 PromeAI를 활용한 건축 렌더링의 효과적인 활용 방안을 탐색하는 데 목적을 두고 시작되었다. 특히, Render Mode별 효용성과 입력 방식의 변화에 따른 결과물의 비교 분석에 중점을 두었다. 연구 과정에서 다양한 Render Mode를 실험하고, Style Reference Image의 적용 유무를 교차 검증하여, AI 렌더링이 건축설계에 미치는 영향과 잠재력을 심층적으로 조사하였다. 연구 결과, Style Reference Image의 사용이 결과물의 품질에 중대한 영향을 미치며, 특히 직접적인 이미지 표현에 있어 원하는 결과물을 도출하는 데 유의미한 변수가 됨을 확인하였다. 또한, Render Mode별로 건축물의 재료표현에서 유사한 특성을 나타내는 것이관찰되었고, Style Intensity의 조정에 따라 디테일의 차이가 나타나지만, 각 Render Mode가 추구하는 바에 따라 결과물의 특성이 일관되게 유지됨을 확인할수 있었다. 또한, Style Reference Image를 활용한 결과물은 Render Mode에 따른 차이를 완화 시키는 데 주요한 역할을 하고, 이는 특히 건축 렌더링의 목적에따른 결과물 도출을 가능하게 함을 알 수 있었다. 그러나, Style Intensity가 증가함에 따라 일부 이미지에서는 어색한 입면 표현이나 디테일의 과도한 복잡성증가와 같은 문제가 발생되었다. 이러한 연구 결과는 AI를 건축 렌더링에 적용할 때, 기술적 한계와 디자인 의도 사이의 균형을 고려해야 함을 시사한다. AI 렌더링의 속도와 다양성은 건축설계 과정을 효율적으로 변모시킬 수 있는 잠재력을 지니고 있으나, 렌더링 결과의 일관성과 디테일 처리에 있어 추가적인 작업과 정밀한 조정이 필요함을 드러냈다. 따라서, 향후 연구에서는 다양한 AI 프로그램의성능 비교와 함께, AI 렌더링을 건축설계 과정에 효과적으로 통합하는 방안에 대한 심도 있는 탐구가 요구된다. 본 연구의 결과는 AI를 건축 디자인에 접목하는 시점에서 필요한 기초 연구 자료로 활용될 수 있으며, AI 기술의 발전과 함께 건축 렌더링의 새로운 가능성을 모색하는 데 기여할 것으로 기대된다. 연구는 PromeAI의 특정 기능을 바탕으로 한 한정된 사례 분석에 근거하지만, 이를 통해 얻은 연구 과정과 결과는향후 AI와 건축 디자인의 융합에 있어 중요한 방향성을 제시할 것이다.

This study aims to explore effective utilization strategies for architectural rendering using PromeAI, a generative image AI program designed for architectural use. It focuses particularly on the utility of different Render Modes and the impact of changes in input methods on the outcomes. Throughout the research process, various Render Modes were tested, and the application of Style Reference Images was cross-examined to deeply investigate the effects and potential of AI rendering in architectural design. The results indicate that the use of Style Reference Images significantly influences the quality of the outcomes, proving to be a meaningful variable in achieving the desired direct image representation. Additionally, while architectural materials exhibited similar characteristics across Render Modes, adjustments in Style Intensity revealed differences in detail, demonstrating that each Render Mode consistently maintained its intended outcome characteristics. Furthermore, the use of Style Reference Images played a crucial role in mitigating differences between Render Modes, enabling the flexible production of results tailored to the objectives of architectural rendering. However, an increase in Style Intensity led to issues in some images, such as awkward facade representations or an excessive increase in detail complexity. These findings suggest that when applying AI to architectural rendering, it is essential to consider the balance between technological limitations and design intentions. The speed and diversity of AI rendering hold the potential to efficiently transform the architectural design process, yet the consistency of rendering results and detail management require further work and precise adjustments. Therefore, future research should include a thorough exploration of integrating AI rendering into the architectural design process, alongside performance comparisons of various AI programs. The outcomes of this study can serve as foundational research material at the juncture of incorporating AI into architectural design, expected to contribute to exploring new possibilities in architectural rendering alongside the advancement of AI technology. Although the research is based on a limited case analysis focusing on specific features of PromeAI, the insights gained will provide important directions for the future integration of AI and architectural design.

본 연구는 최신 AI 렌더링 프로그램들을 대상으로 건축설계 분야에서의 활용 가능성을 탐구하는 것에서 시작되었다. 연구의 목적은 Veras, LookX, PromeAI 와 같은 다양한 AI 렌더링 프로그램들의 이미지 생성 능력과 특성을 깊이 있게 비교 분석하는 것이다. 이를 통해, 각 도구가 건축 시각화와 디자인 과정에서 어떻게 차별화되는지를 이해하고자 하였다. 연구 결과는다음의 주요 사항을 포함한다. 각 프로그램은 고유한 알고리즘을 사용하여 다양한 스타일과 품질의 시각화를 생성하여 동일한 입력 조건에서 프로그램별 특성을 반영한 결과물을 도출하였다. AI 렌더링 프로그램들은 건축설계 과정에서 창의적인 접근을 가능하게 하며, 건축 설계자들에게 새로운 디자인 아이디어를 제공하지만 정확한 렌더링을목적으로 하는 경우 현재의 프로그램은 종류별 한계점을 보였다. 그럼에도 불구하고 지금의 기술 발전 속도를 감안할 때, AI 도구들의 통합적 사용은 건축설계의 질적 향상에 기여할 수 있을 것으로 기대된다. 이러한 내용을 바탕으로, 추후 더 광범위한 AI 도구들의 비교 연구와 건축설계 과정에 있어 통합적 활용 방안에 대한 연구가 이어져야 할 것이다. 본 연구는 AI 기술이 건축설계 분야에서 어떻게 혁신적인 변화를 이끌어 낼 수 있는지에 대한 이해를 심화시키고, AI 렌더링 기술의 미래 연구와 실용적 활용에 대한방향을 제시한다.

This study commences with an exploration of the feasibility of utilizing the latest AI rendering programs in the field of architectural design. The research aims to deeply compare and analyze the image generation capabilities and characteristics of various AI rendering programs such as Veras, LookX, and PromeAI. Through this analysis, it seeks to understand how each tool differentiates itself in the architectural visualization and design process. The findings include the following key points: Each program leverages a unique algorithm to create visualizations of diverse styles and qualities, yielding results that reflect the program-specific characteristics under identical input conditions. AI rendering programs enable a creative approach in the architectural design process and provide new design ideas to architects. However, when precise rendering is the goal, the current programs exhibit limitations specific to each type. Nonetheless, given the current pace of technological advancement, the integrated use of AI tools is expected to contribute to the qualitative improvement of architectural design. Based on these insights, further extensive research comparing a wider range of AI tools and studies on their integrated application in the architectural design process is warranted. This research deepens the understanding of how AI technology can lead to innovative changes in the architectural design field and outlines directions for future research and practical application of AI rendering technology.

본 연구의 목적은 지리과 텍스트 및 이미지 답안에 대한 AI 자동 채점의 적용 가능성을 신뢰도 측면에서 검증하는 것이다. 이를 위해 고등학교 「세계지리」 과목을 대상으로 제한형, 확장형 텍스트 문항 및 이미지 기반 문항을 개발하고, 해당 문항에 대한 고등학생 85명의 답안을 Gemini와 GPT 모델을 활용하여 자동 채점하였다. 이후 AI 채점 결과를 현직 지리 교사 5명의 채점 결과와 비교하여 AI 자동 채점의 평가자 내 신뢰도와 평가자 간 신뢰도를 분석하였다. 분석 결과, AI 자동 채점의 신뢰도는 문항 유형과 모델에 따라 차이가 있었다. 첫째, 제한형 텍스트 문항에서는 두 AI 모델 모두 평가자 내 신뢰도와 평가자 간 신뢰도가 높게 나타났다. 둘째, 확장형 텍스트 문항에서는 평가자 내 신뢰도는 양호하였으나, 평가자 간 신뢰도는 교사 간 신뢰도보다 낮게 나타났다. 또한 두 AI 모델 모두 교사보다 낮은 점수를 부여하였으며, 특히 GPT의 엄격한 채점 경향이 두드러졌다. 셋째, 이미지 기반 문항에서는 GPT의 경우 높은 평가자 내 신뢰도와 교사 간 신뢰도에 근접한 평가자 간 신뢰도가 확인되었다. 반면 Gemini는 공백 답안 처리의 불안정성으로 평가자 내 및 평가자 간 신뢰도가 중간 수준이었으나, 공백 답안을 0점으로 보정한 경우 일정 수준 이상으로 개선되었다. 본 연구는 지리과의 텍스트 및 이미지 기반 답안에 대한 AI 자동 채점이 의미 있는 수준의 평가자 내 및 평가자 간 신뢰도를 확보하였다는 점에서 지리교육 평가에 AI 자동 채점의 적용 범위를 확장할 수 있는 실증적 근거를 제시한다. 다만 문항 유형과 답안 특성에 적합한 프롬프트 설계, 예외 답안 처리, 교사 검토 절차 도입 등 다양한 측면을 주의 깊게 고려하여 활용할 필요가 있다.

The purpose of this study was to examine the applicability of AI-based automated scoring for text- and image-based responses in geography assessment from the perspective of reliability. To this end, a restricted-response text item, an extended-response text item, and an image-based item were developed for a high school World Geography course. Responses from 85 high school students were automatically scored using Gemini and GPT models. The AI-generated scores were then compared with scores assigned by five in-service geography teachers to analyze the intra-rater and inter-rater reliability of AI-based automated scoring. The results showed that the reliability of AI-based automated scoring varied by item type and model. First, for the restricted-response text item, both AI models demonstrated high intra-rater and inter-rater reliability. Second, for the extended-response text item, intra-rater reliability was good, whereas inter-rater reliability was lower than the reliability among the teachers. Both AI models also assigned lower scores than the teachers, with GPT exhibiting a particularly strict scoring tendency. Third, for the image-based item, GPT demonstrated high intra-rater reliability and inter-rater reliability approaching the level observed among the teachers. In contrast, Gemini showed moderate intra-rater and inter-rater reliability because of instability in handling blank responses. However, when blank responses were recoded as zero, both reliability measures improved to at least a satisfactory level. By demonstrating that AI-based automated scoring achieved meaningful levels of intra-rater and inter-rater reliability for text- and image-based responses in geography assessment, this study provides empirical evidence for expanding the scope of its application in geography education. Nevertheless, its use requires careful consideration of multiple factors, including prompt design tailored to item types and response characteristics, procedures for handling exceptional responses, and the incorporation of teacher review.

노후 인프라 구조물을 안전하게 유지하기 위해서는 지속적인 관리가 필요하며, 이는 터널 내부의 콘크리트 구조물에도 동일하게 적용된다. 터널 구조물의 건전성 관리는 정기적인 점검과 정밀한 검사 기술을 통해 이루어진다. 기존의 검사 방법은 인력 기반으로, 작업자가 직접 현장을 방문하여 육안으로 상태를 확인하고 기록하는 방식이다. 이로 인해 구조물 상태는 경험적이고 주관적인 판단에 의해 결정될 수밖에 없는 상황이다. 이러한 문제를 개선하고 점검 결과의 객관성과 신뢰성을 높이기 위해 고해상도 카메라와 딥러닝을 활용한 방법이 활발히 연구되고 있다. 특히, 터널 구조물에 발생하는 균열을 탐지하는 신경망 모델 기반의 알고리즘은 높은 정확도를 보여주고 있다. 그러나 이러한 딥러닝 기술은 다수의 훈련영상 데이터가 확보되었다는 전제가 필요하다. 현실적으로 균열과 같은 손상 영상은 주변에서 흔히 찾아볼 수 없고, 이를 확보하는 데 많은 비용과 시간이 소요된다. 이러한 문제를 해결하기 위해 본 연구에서는 생성형 AI를 이용해 균열 영상데이터를 증강하는 방법을 제안하였다. 또한, 실제와 유사한 균열 영상을 생성하기 위한 파라미터 분석을 완료하였고, 그 결과 Fréchet Inception Distance가 31.73의 값을 나타내는 성능의 생성모델을 확보하였다. 이러한 방법은 향후 균열 탐지 훈련 방법과 연계하여 유지관리 점검의 정확성과 신뢰성을 높이는 기술로 활용될 것으로 기대된다.

To maintain the safety of aging infrastructure, continuous management is essential, and this applies equally to concrete structures inside tunnels. The health of tunnel structures is managed through regular inspections and precise examination techniques. Traditional inspection methods are manpower-based, where workers visit the site in person to visually assess and record the condition. As a result, the condition of the structure is often determined based on subjective and experiential judgment. To address these issues and enhance the objectivity and reliability of inspection results, methods using high-resolution cameras and deep learning are being actively researched. Neural network model-based algorithms for detecting cracks in tunnel structures, in particular, have demonstrated high accuracy. However, such deep learning technology relies on the premise that a large amount of training image data is available. In reality, damage images such as cracks are not easily found, and collecting them involves significant costs and time. To address this challenge, this study proposes a method for augmenting crack image data using generative AI. Additionally, parameter analysis was conducted to generate crack images resembling real ones, resulting in a generative model with a performance of 31.73 Fréchet Inception Distance. This method is expected to be applied in conjunction with crack detection training methods, contributing to the improved accuracy and reliability of maintenance inspections.