Earticle

본 연구는 이미지 스타일 트랜스퍼 모델을 활용한 한글 글꼴 생성에 대한 연구이다. 인공지능 기술을 활용한 이미지 스타일 트랜스퍼(Image Style Transfer)는 콘텐츠(Content) 이미지와 스타일(Style) 이미지를 각각 모델에 입력하여 내용을 구성하는 이미지는 변하지 않고 스타일만 다양한 이미지로 적용 및 학습이 가능한 인공지능 기반 이미지 변환 및 생성 기술이다. 본 연구는 이러한 이미지 스타일 트랜스퍼 기술을 한글 글꼴 생성에 적용하여 시인 이육사의 친필 이미지를 바탕으로 새로운 글꼴을 생성하는 것을 목표로 진행되었다. 연구를 진행하기 위해서 기본적인 이미지 스타일 트랜스퍼 모델인 pix2pix 모델과 학습에 필요한 글꼴 데이터의 절대량이 부족한 경우 유용한 DM-Font 모델(Dual Memory-augmented Font Generation Network 모델)을 활용하였다. 본 논문은 DM-Font 모델을 사용하여 실제 남아있는 필체 데이터의 양이 매우 적은 이육사 시인의 친필 이미지를 학습시켜 최종적으로 목적글자 736자를 생성하기까지의 과정을 기술하였는데 이미지 데이터 전처리로부터 변환 이후의 후처리까지 전 과정의 자세한 기술과 함께 모델 적용 시 발생된 문제점과 향후 보완점에 대해 논하며 모델 활용 개선 방안을 제시하였다.

This study focuses on the generation of Korean fonts using an image style transfer model. Image Style Transfer using artificial intelligence technology is an artificial intelligence-based image conversion and generation technology that allows content and style images to be input into models, respectively, with the images that constitute the content remaining unchanged and with only style applicable to and learned in various images. This study aims to create a new font based on the image of Yook-sa Lee's handwriting by applying this image style transfer technology to the generation of Korean fonts. In order to proceed, the study utilizes a basic image style transfer model, in this case the pix2pix model, and a dual-memory-augmented font-generation network model, useful when the absolute amount of font data required for learning is insufficient. The stud uses the DM-Font model to learn the handwritten image of a poet with a very small amount of handwriting data and finally to generate 736 target letters. It discusses the problems and future complementary points of the model application.