Earticle

Advances in digital tools and building structure technologies have enabled more flexible architectural design, with AI-based performance design gaining considerable attention as a new design methodology. Stadium design must consider the two primary elements of sports events: athletes and spectators. Given that the facade of a stadium directly impacts solar energy efficiency, it is essential to incorporate environmental performance considerations from the initial design phase. This study employs an AI-based Generative Design process to generate a facade form that efficiently manages solar radiation and daylight, satisfying two conflicting performance objectives: max- imizing sunlight for turf growth in the pitch zone and minimizing direct sunlight exposure in the stadium seating zone. The optimal solution derived ranks 331st for pitch zone sunlight and 408th for stadium seating sunlight out of a dataset of 1,000 models. While this solution does not represent the absolute best for either individual objective, it is evaluated as the most balanced alternative, achieving the goal of maximizing sunlight in the pitch zone and minimizing it in the seating zone

This study focused on the problems of generative-based optimization design, recently become increasingly popular in the field of architectural design, such as overlooking form due to performance-oriented evaluation and designers' difficulties in analyzing huge number of solutions. In response to this, the study aims to incorporate a form-based clustering technique into the existing optimization process. To achieve this, we use Wallacei, an optimization tool, to perform optimization on the set example. Afterwards, the cluster composition and process characteristics of the derived optimal solution group were analyzed using various clustering techniques. In detail, K-means clustering was applied to the optimal solution group derived for the example set as the first step to confirm the adequacy and characteristics of clustering according to the form criteria. Second, we perform comparison analysis on the changes and differences in various clustering results derived from K-means clustering and three hierarchical clustering to derive rationality and efficient utilization of its application. Through this, the application of the clustering technique to generative design simplifies the huge solutions through form-based evaluation and clustering to increase user interpretation of the solutions and its usability, thereby complementing the completeness of optimization process required in architectural design.

디지털 기술의 가속화는 건축 디자인 분야에서도 예술가들에게 새로운 조형 언어로 새로운 창작물을 표 현할 수 있는 환경을 제공한다. 본 논문에서는 디지털 모델링 기술의 한 방법인 디지털 트윈(Digital Twin) 개념 을 이용하여 도시의 특정한 건축 환경을 가상의 공간에 축조하고, 그 가상의 공간 안에 제너레이티브 디자인 (Generative Design) 기법을 적용하여 구름다리형 전망대를 모델링 할 수 있는 시뮬레이터를 통해 그 특성들을 논의하고자 하였다. 모델링 시뮬레이터는 몇 가지 매개변수를 조정함으로써 축조될 건축물의 주변 환경을 가상 공 간에 구현할 수 있으며, 쉽게 원하는 형태의 구름다리 건축모델링을 축조한다. 이를 통해 제너레이티브 디자인의 반복적 패턴과 유기적 형태의 특징들을 모델링 시뮬레이터를 통해 확인하였다. 이와 같은 디지털 기술의 사용 유 연성에 따른 다양한 모델링 방법은 더욱 많은 조형 분야에서 연구되어야 할 것이다.

The acceleration of digital technology also provides artists with an environment for expressing new creations in new formative languages in the field of architectural design. In this paper, we use the concept of Digital Twin, a method of digital modeling technology, to construct a specific architectural environment in a virtual space, and to discuss its characteristics through a simulator that can model a observation platform by applying a Generative Design technique within that virtual space. Modeling simulators can implement the surrounding environment of a building to be built in virtual space by adjusting several parameters, and easily construct the desired form of an architecture modeling. Through this, iterative patterns and organic form features of generic designs are identified through modeling simulators. Various modeling methods resulting from this flexibility in the use of digital technologies will have to be studied in various modeling fields.

이 연구는 생성형 AI(Generative AI) 기술을 활용하여 기본 시각디자인 분야에서의 새로운 접근 방법과 가능 성을 탐색한다. Generative AI는 데이터 기반 학습을 통해 창의적인 디자인을 생성하는 인공지능 기술로, 시 각디자인에서 중요한 역할을 하고 있다. 본 연구는 Generative AI가 시각디자인의 기본 요소와 원리에 어떻게 적용되며, 디자인 프로세스를 어떻게 혁신할 수 있는지를 분석한다. 먼저, Generative AI가 색채, 형태, 구성과 같은 디자인의 기본 요소를 어떻게 해석하고 재창조하는지에 대해 연구한다. 이를 통해 AI가 디자인의 창의 성과 예술성을 어떻게 향상시킬 수 있는지를 탐구한다. 또한, AI가 디자인 결정 과정에서 어떻게 인간 디자 이너를 보조할 수 있는지에 대해서도 연구한다. 이 연구는 Generative AI를 실험하고, 이를 통해 얻은 시각디 자인 결과를 통해, AI가 시각디자인의 전통적인 접근 방식에 어떤 새로운 시각과 해석을 제공하는지를 조사 한다. AI 기술의 발전이 디자인의 미래와 디자이너의 역할에 어떤 변화를 가져올지에 대한 통찰과 디자인 분 야의 전문가뿐만 아니라, AI 기술에 관심 있는 학자들에게도 중요한 시사점을 제공한다는 점에서 의의를 찾을 수 있다.

This research explores new approaches and possibilities in the field of basic visual design using Generative AI technology. Generative AI, an artificial intelligence technology that creates creative designs through data-based learning, plays a significant role in visual design. This study analyzes how Generative AI can be applied to the fundamental elements and principles of visual design and how it can innovate the design process. Initially, the research focuses on how Generative AI interprets and reimagines basic design elements such as color, form, and composition. Through this, it explores how AI can enhance the creativity and artistry of design. Additionally, the study examines how AI can assist human designers in the decision-making process. This research involves experimenting with Generative AI and, through the visual design outcomes obtained, investigates how AI provides new perspectives and interpretations to the traditional approaches of visual design. The advancement of AI technology and its implications for the future of design and the role of designers offer significant insights, not only for experts in the design field but also for scholars interested in AI technology, marking the significance of this study.

본 연구에서는 Text-to-3D 생성형 AI 기술을 활용하여 메타버스 방 꾸미기 게임의 프로토타 입을 설계하고 구현하고자 하였다. <Roblox>와 <Minecraft>와 같은 가상 현실 기반의 메타버 스 게임은 사용자를 단순한 플레이어에서 창작자인 크리에이터로 발전할 수 있게 하였고 이러 한 재미 요소는 대중적인 인기에 이바지하였다. 생성형 AI는 데이터와 패턴을 기반으로 다양 한 형태의 미디어 콘텐츠를 쉽게 생성할 수 있으며, 게임 개발에도 마찬가지로 유용하다. 이러 한 생성형 AI를 통한 콘텐츠 제작은 시간과 비용을 절약할 뿐만 아니라 결과적으로 콘텐츠의 품질을 높이고 다양성을 확보할 수 있다. 본 연구에서는 언리얼 엔진의 네트워크 프레임워크 를 활용한 리슨 서버(Listen-Server) 방식으로 방 꾸미기 게임을 설계 및 구현하였다. 이 게 임의 핵심 시스템은 메타버스에서 사용자가 쉽게 생성형 AI로 3D 모델을 생성하고, 자신의 방 에 배치할 수 있게 하는 것이다. 본 연구를 통해 코딩 기초 이해는 물론 좀 더 쉬운 방법으로 3D 오브젝트 생성을 통해 사용자가 원하는 메타버스 플랫폼 제작을 가능하게 하며 이러한 과 정은 사용자뿐만 아니라 동시에 창작자의 역할로 이용자의 주체성, 창의성, 의사소통 능력 등 을 향상할 가능성을 찾고자 한다. 그뿐만 아니라 기본적인 코딩 학습을 이해함으로써 사용자 의 창작 활동에 기회를 확장할 뿐만 아니라 메타버스 콘텐츠 개발에 이바지하고자 한다.

In this paper, we propose to design and implement a prototype of a room decorating game in the metaverse using Text-to-3D generative AI technology. Virtual reality-based metaverse games like <Roblox> and <Minecraft> have enabled users to evolve from mere players to creators, contributing to their widespread popularity. Generative AI can easily create various forms of media content based on data and patterns, and it is equally useful in game development. Content creation through generative AI not only saves time and costs but also improves the quality and diversity of content. we designed and implemented a room decorating game using the Listen-Server method with Unreal Engine's network framework. The core system of this game allows users to easily generate 3D models using generative AI and place them in their rooms within the metaverse. This research demonstrates that, with a basic understanding of coding, users can create the metaverse platform they desire through easier methods of 3D object creation. This process enhances the user's sense of agency, creativity, and communication skills by allowing them to play both the roles of user and creator. Additionally, understanding basic coding principles expands the opportunities for users to engage in creative activities and contributes to the development of metaverse content.

This study proposes a real-time content design pipeline optimized for Unreal Engine, integrating generative AI-based image creation with AI-assisted 3D modeling tools. The pipeline aims to streamline the production of high-quality assets for real-time applications, including games and simulations. Two types of subjects were selected: a bust combining organic character features, and a stone slab characterized by planar and symmetrical structure. Multi-angle image data were first synthesized using advanced generative AI models to simulate diverse viewpoints. These were then processed using AI-enhanced photogrammetry and modeling tools to reconstruct detailed 3D meshes and extract base textures. Post-processing steps, including mesh decimation, UV unwrapping, and texture baking, were performed to ensure compatibility with Physically Based Rendering (PBR) workflows used in Unreal Engine. The final assets were successfully imported into Unreal Engine, demonstrating visual fidelity and performance suitability in a real-time environment. The study confirms the pipeline’s potential for accelerating asset development and suggests promising future directions in AI-driven digital content creation.

본 연구는 생성형 인공지능 기반의 텍스트 생성 도구 챗지피티와 이미지 생성 도구 미드저니를 활용하여 슬리브 디자인의 시각적 구현 가능성을 분석하고, 프롬프트 구성 방식에 따른 이미지 생성 결과의 차이를 도출함으로써 패션 디자인 분야에서 생성형 AI의 활용 가능성과 전략을 모색하고자 하였다. 본 연구에서는 셔츠 디자인의 기본 요소인 화이트 컬러의 면 소재, 레귤러 핏, 셔츠 칼라를 동일하게 설정한 상태에서, 다섯 가지 슬리브 유형을 독립 변수로 설정하여 이미지 생성 실험을 실시하였다. 이를 통해 프롬프트 유형에 따라 생성된 각 슬리브 디자인의 시각적 구현 특성을 비교⋅분석하였다. 실험 결과, 일반적인 셔츠 구성과 조형적 호환성이 높은 슬리브 유형은 비교적 정확하게 시각화되었으나, 전형적인 셔츠 디자인에서 벗어난 슬리브 유형은 미드저니의 사전 학습된 이미지 데이터에 따라 자율적으로 조정되거나 예기치 않은 시각 요소가 삽 입되는 경향이 나타났다. 또한, 프롬프트의 구성 방식에 따라 이미지 결과물의 차이가 뚜렷하게 나타났으며, 키워드 나열형보다 문장 구조와 관계성이 포함된 서술형 프롬프트가 디자인의 일관성과 세부 표현의 정확성 측면에서 더 효과적인 결과를 도출하였다. 아울러, 미드저니는 사용자 의도를 그대로 재현하는 데에는 한계 가 있으나, 조형 요소 간 새로운 결합 가능성을 제안하고 창의적 발상을 유도하는 측면에서 유의미한 디자인 도구로 활용될 수 있음을 확인하였다. 본 연구는 슬리브라는 구체적 조형 요소를 중심으로 생성형 AI의 이미 지 구현 특성과 프롬프트 구성 방식의 영향을 분석함으로써, 패션 디자인 분야에서 AI 활용 가능성과 프롬프 트 전략 수립에 유용한 기초자료를 제공한다는 점에서 의의가 있다.

This study explores the potential of generative artificial intelligence (AI) tools in visualizing sleeve design, focusing on the application of the text-based model ChatGPT and the image-generation platform Midjourney. The purpose of the research is to examine how variations in prompt composition affect image outcomes and to investigate the strategic use of generative AI in the field of fashion design. In the experiment, key shirt design elements—white cotton fabric, regular fit, and a classic shirt collar—were fixed as constants, while five different sleeve types were set as independent variables to generate images under controlled conditions. Based on the approach above, a comparative analysis was conducted on the characteristics of visually represented sleeve types across different prompts. The results revealed that sleeve types structurally compatible with conventional shirt designs were more accurately visualized. In contrast, sleeves that deviated from typical shirt structures tended to trigger autonomous reinterpretations or the insertion of unintended visual elements, reflecting Midjourney’s reliance on pre-trained prototypical image data. Additionally, distinct differences emerged depending on the structure of the prompt. Sentence-based prompts, which articulated logical relationships among design components, consistently produced more coherent and precise outcomes compared to keyword-based prompts, particularly in cases involving complex forms or intricate details. While Midjourney showed limitations in faithfully reproducing user intent, it also demonstrated the capacity to propose unexpected combinations of design elements, thereby supporting creative ideation. As such, the platform functions more effectively as a tool for exploratory design thinking rather than for exact visual replication. By centering on the sleeve—a specific structural element—this study identifies key factors influencing AI-generated fashion imagery and offers foundational insights for developing prompt strategies and expanding the role of generative AI in contemporary fashion design practices.

본 연구는 생성형 AI(ChatGPT)의 코딩 생성 기능을 금속 조형 디자인 과정에 적용하여 금속 조형 오브제를 완성함 으로서 앞으로 디자인 프로세스의 활용 가능성을 검토하였다. 그 결과 첫째, 코딩 지원을 통해 프로그래밍 초심자도 오류를 보완하며 쉽게 디자인을 전개할 수 있었다. 둘째, 생성형 AI를 디자인 변형 ·추출 과정을 통해 수작업 대비 짧은 시간 내 다양 한 시안을 도출할 수 있었다. 셋째, 창작물을 직접 입력하지 않고 필요한 기능의 코딩만 활용함으로써 저작권 유출 우려를 최 소화하여 향후 금속 조형 디자인 방법론에 적용 할 수 있는 가능성을 보았다. 하지만, 출력 크기에 따른 비용 증가라는 한계가 확인되어 교육방법론에 적용하기 위해서는 비용 절감 방안에 대한 연구가 필요하다. 마지막으로, 금속 조형 디자인 교육과정 에 코딩 기초를 도입한다면 창작 활동의 다양성이 더욱 확대될 것으로 기대된다. 다만, 생성형 AI의 남용 가능성에 대비하여 활용 범위 설정에 관한 지속적인 연구가 필요하다.

This study examined the potential application of generative AI (Chat GPT) in the metal design process by employing its code-generation capabilities to complete a metal art object. The findings are as follows. First, coding support enabled even novice programmers to supplement errors and develop designs with greater ease. Second, by utilizing generative AI for design transformation and extraction, it was possible to derive diverse design drafts in a significantly shorter time compared to manual methods. Third, by using only the necessary coding functions without directly inputting original creative works, concerns over copyright leakage were minimized, indicating potential applicability to future metal design methodologies. However, the limitation of increased costs for larger outputs was identified, suggesting that further research on cost-reduction measures is required for practical integration into educational methodologies. Finally, introducing basic coding into metal design education curricula is expected to broaden creative possibilities, though continuous research is necessary to establish appropriate boundaries for use and to prevent overreliance on generative AI.

본 연구는 세계적인 색채 표준인 2026년 팬톤 컬러를 중심으로 생성형 AI를 활용하여 헤어 기장별 새로운 헤어 컬러 디자인 트렌드를 기획하고 제안하는 데 목적이 있다. 연구 방법으로는 기획 의도에 맞춘 핵심 키워드를 추출하여 프롬프트를 구성하고, 생성형 AI의 오류 및 컬러 왜곡을 교정하기 위해 프롬프트를 반복적으로 수정하여 완성도 있는 이미지를 생성하였다. 세부적으로 롱 헤어는 옴브레(ombre) 염색 기법을 적용하여 세련되고 우아한 이미지를 구현하고자 하였으며, 미디엄헤어는 딥 다이(dip-dye) 염색 기법을 통해 스포티하고 경쾌한 이미지를 구현하고자 하였다. 숏 헤어는 위빙(weaving) 염색 기법으로 컬러의 명암 차이를 입체적으로 표현하여 고급스러운 이미지를 구현하고자 하였다. 연구 결과는 다음과 같다. 첫째, AI를 활용해 기획 의도에 부합하는 헤어 디자인을 구현하기 위해서는 사용자의 미용 전문 키워드 선택과 프롬프트 제어 능력이 필수적으로 요구된다. 둘째, 본 연구에서 도출된 헤어 컬러 디자인은 컬러, 커트, 스타일링이 입체적으로 조화를 이루는 결과물로서, 현대 미용 시장 소비자의 요구를 충족하는 실용적이고 감각적인 트렌드로 제시할 수 있다. 셋째, 생성형 AI는 기획 의도를 직관적으로 표현할 수 있는 강력한 도구이며, 이는 향후 미용 산업의 마케팅 콘텐츠 기획 및 고객 상담 시 시각적 소통 도구로써 활용 가치가 매우 높다는 것을 시사한다. 다만, 본 연구는 팬톤 컬러를 기준으로 정확한 컬러명을 사용하였기에 실제 모발에서 발색하는 컬러와 생성형 AI가 만들어 내는 헤어 컬러는 시각적 차이가 있을 것으로 사료된다. 이러한 차이를 줄이기 위해 화학적 염모제의 데이터를 활용하는 후속 연구가 요구된다. 또한, 생성형 AI를 활용한 이미지 생성 프롬프트를 체계화하여 미용 현장 실무자들이 쉽게 활용할 수 있는 AI 기반 헤어 컬러 디자인 및 콘텐츠 제작 가이드에 관한 연구가 더욱 활발히 이루어져야 할 것이다.

This study aims to develop and propose new hair color design trends by hair length using generative AI, focusing on the 2026 Pantone colors, the global standard for color. Methodologically, prompts were structured by extracting core keywords aligned with the design concepts. These prompts were iteratively refined to correct morphological errors and color distortions from the AI, thereby producing highly complete final images. Specifically, the ombre dyeing technique was applied to long hair to create a sophisticated and elegant look. For medium-length hair, the dip-dye technique was utilized to project a sporty and lively vibe. For short hair, the weaving technique was employed to realize a luxurious image by enhancing three-dimensional depth through tonal contrast. The findings of this study are as follows: First, generating hair designs that perfectly align with the intended concept via AI requires the user’s expertise in professional beauty terminology and precise prompt control capabilities. Second, the hair color designs derived from this study harmoniously integrate color, hair cut, and styling, presenting practical and aesthetically appealing trends that satisfy consumer needs in the contemporary beauty market. Third, generative AI serves as a powerful tool capable of intuitively visualizing planning intentions, suggesting its significant potential as a visual communication medium for marketing content planning and customer consultations in the future beauty industry. However, as this study relied on specific Pantone color names, visual discrepancies may exist between the AI-generated colors and the actual results achieved with chemical hair dyes in a salon environment. To narrow this gap, subsequent studies incorporating actual chemical hair dye data are necessary. Furthermore, future research should focus on systematizing generative AI prompts to develop an 'AI-based hair color design and content production guide' that beauty professionals can easily apply in practical settings.

The purpose of this study is to propose a creative ideation class design for art masks using generative AI within a digital media framework. A qualitative research method was employed, utilizing two rounds of Focus Group Interviews (FGI). In the first stage, key aspects related to the use of Adobe Firefly were explored, while in the second stage, feedback on keyword-based image generation exercises was collected. Based on these findings, an ideation class for art mask design was developed. The study results indicate that, first, using text-based prompts facilitated the generation of more creative and efficient ideas. Second, the instructional design followed a structured process that played a crucial role in promoting learner interaction. This process consisted of theme exploration, image generation and sharing, iterative refinement through feedback, and a final presentation. Third, by applying prompts tailored to Cubism and Avant-garde themes, learners were able to visually concretize their creative ideas in art mask design. Therefore, the study suggests that the proposed class model has the potential to enhance learners’ self-directed learning capabilities and improve digital literacy, demonstrating its educational value.

本研究的目的是提出一个用生成式AI进行数字媒体基础上的艺术面具设计创意课程设计. 以质性研究方法, 采用了焦点小组访谈(Focus Group Interview, FGI), 共进行两轮. 第一 阶段探索了与使用Adobe Firefly相关的主要内容, 第二阶段收集了基于关键词生成图像的实 践反馈,在此基础上, 设计了艺术面具创意课程. 研究结果如下:第一, 通过使用文本提示, 可以更具创造性且高效地激发创意; 第二, 课程设计过程具有系统性, 并能促进学习者之间 的互动,课程包括主题探索, 图像生成与分享, 通过反馈进行改进􀕵最终成果展示四个阶 段;第三, 通过使用符合主题的提示语生成融合立体主义与先锋艺术风格的艺术面具图像, 验证了将创意思维具象化的可行性. 此外, 显示出有助于增强学习者自主学习能力及提升数 字素养的教育潜力.

본 연구는 패션 브랜드의 고유한 디자인 DNA를 유지하면서도 창의적인 제품 라인 확장을 가능하게 하는 LoRA 기반 파인튜닝 방법론을 제안한다. 이는 범용 이미지 생성 모델이 특정 패션 브랜드의 고유한 정체성 을 일관되게 재현하지 못하는 한계를 극복하고, 브랜드의 핵심 디자인 DNA가 새로운 제품군으로 창의적으 로 확장될 수 있는지를 실증적으로 검증하기 위함이다. 이를 위해 업사이클링 브랜드 RE;CODE의 제품 이미 지 8,465개를 데이터셋으로 구축하고, SDXL 기반의 5개 제품 카테고리별로 학습해 LoRA 파인튜닝 모델을 개발했다. 브랜드의 철학과 디자인 특성을 정밀하게 반영하기 위해 Gemma 3를 활용한 지능형 캡셔닝 파이프 라인을 자체 설계했다. 이 멀티모달 시스템은 이미지의 시각적 정보와 브랜드 메타데이터를 종합 분석하여 SDXL의 CLIP 텍스트 인코더 최적화를 위한 정확한 캡션을 생성했다. 핵심 실험인 교차 생성을 통해 특정 카테고리로 학습된 LoRA가 학습하지 않은 다른 카테고리 아이템을 생성할 때의 디자인 DNA 전이 메커니즘 을 FID, CLIP Score, LPIPS 지표로 정량 분석했다. 실험 결과, 모든 LoRA 모델이 기본 SDXL 모델 대비 FID 지표에서 17.5%~40.9%의 개선을 달성하며 뛰어난 브랜드 스타일 재현 능력을 입증했다. 특히 아우터 LoRA 가 원피스를 생성하는 교차 생성 실험에서 37.4%의 FID 개선을 보여 브랜드의 구조적 특징과 미학적 접근법 이 성공적으로 전이됨을 확인했다. CLIP Score는 모든 실험에서 안정성을 유지하여 프롬프트 충실도와 창의 성의 균형을 보여주었으며, LPIPS 지표의 상승은 RE;CODE 고유의 복합적 소재 조합과 비정형적 텍스처가 정확히 구현된 결과로 해석된다. 본 연구는 LoRA 파인튜닝이 단순한 스타일 모방을 넘어 브랜드 정체성을 유지하며 새로운 제품 라인으로 확장하는 창의적 파트너로 기능할 수 있음을 실증적으로 입증했다. 이는 개 인 디자이너나 중소 브랜드도 접근 가능한 효율적 방법론으로서 패션 산업의 디지털 전환과 지속 가능한 디자인 프로세스 구축에 실용적 대안을 제시한다.

This study proposes a LoRA-based fine-tuning methodology that enables creative product-line expansion while preserving a fashion brand’s design DNA. It addresses the limitation of general-purpose image generation models in consistently reproducing brand identity and empirically tests whether core design DNA can be transferred to new product categories. We constructed a dataset of 8,465 product images from the upcycling brand RE;CODE and trained SDXL-based LoRA models for five product categories. To better capture brand philosophy and design attributes, we developed an in-house intelligent captioning pipeline using Gemma 3, which integrates visual features and brand metadata to generate captions for optimizing SDXL’s CLIP text encoder. Using a Cross-Generation setup, we quantitatively examined design DNA transfer when category-specific LoRA models generate unseen categories, via FID, CLIP Score, and LPIPS. All LoRA models improved FID over the base SDXL model by 17.5%–40.9%, indicating strong brand-style fidelity. Notably, the outerwear LoRA achieved a 37.4% FID improvement when generating dresses, confirming successful transfer of structural and aesthetic characteristics. CLIP Scores remained stable across experiments, suggesting a balance between prompt fidelity and creativity, while increased LPIPS indicates effective rendering of RE;CODE’s complex material mixtures and irregular textures. These findings demonstrate that LoRA fine-tuning can function as a creative partner beyond mere style imitation, thereby supporting scalable brand-consistent generation. The proposed method offers an efficient and accessible approach for individual designers and small-to-medium brands, contributing to digital transformation and sustainable design processes in fashion.

본 연구는 생성형 AI라는 새로운 기술을 패션 디자인의 당면 과제인 ‘지속 가능한 패션’에 적용함으로써, 실제 디자인 과정에서 어떤 가능성과 한계를 보일 수 있는지를 검토하고자 수행되었다. 먼저 챗지피티를 통 해 다양하게 축적된 텍스트 기반 지식을 바탕으로 친환경 소재·바이오 레더·재활용 소재·업사이클링·패치워 크·종이접기 기법 등 여섯 가지 테마를 도출하고, 각 테마별로 세부적인 디자인 콘셉트와 핵심 키워드를 구 체화하였다. 이후 미드저니를 활용해 설계한 텍스트 프롬프트를 입력하고 결과 이미지를 반복 생성·수정함으 로써, 물리적 샘플을 제작하지 않고도 총 60벌에 이르는 디지털 패션 컬렉션을 완성했다. 이를 통해 전통적으 로 여러 차례의 실물 샘플 제작과 패턴 수정 과정을 거쳐야 했던 디자인 프로세스를 대폭 단축하고, 시간과 비용을 절감하며, 자원 낭비를 줄일 가능성을 확인했다. 또한 챗지피티가 제공하는 풍부한 아이디어와 미드 저니의 시각화 기술이 서로 보완적으로 작용하여, 디자이너가 필요로 하는 구체적인 이미지를 빠르게 얻을 수 있었고, 이를 통해 폭넓은 창의적 의사결정이 가능했다. 다만, 퍼즐 형태나 모듈형 디테일과 같이 실제 의상 제작 시 복합적인 재단·봉제 기술이 요구되는 부분은 AI가 현실적 제약을 충분히 반영하지 못하는 한계 를 드러냈으며, 이를 보완하기 위해서는 알고리즘 정교화와 추가 학습 데이터 확보가 필요하다는 점을 확인 했다. 그럼에도 불구하고, 본 연구는 물리적 시제품 없이 AI 중심의 디지털 디자인 과정을 구체적으로 실험하 여, 전문적인 패턴 지식이나 오랜 숙련 과정을 거치지 않고도 지속 가능한 패션 기획이 가능함을 실제 사례로 입증했다는 점에서 의의가 있다. 나아가 이러한 접근은 생성형 AI를 패션 디자인 분야에서 단순 보조가 아닌 창의적 파트너로 발전시킴으로써, 향후 패션업계가 직면한 환경·경제적 요구를 동시에 충족할 수 있는 효율 적이며 실천적인 대안이 될 수 있음을 시사한다.

This study explored what possibilities and limitations the application of generative AI to the pressing challenge of "sustainable fashion" has in real-world design workflows. By leveraging the broad textual knowledge in ChatGPT, researchers identified six themes—eco-friendly materials, bio-leather, recycled materials, upcycling, patchwork, and origami techniques—and refined each into specific design concepts with key focal points. Through carefully crafted text prompts for MidJourney and the iterative generation and revision of output images, the team completed a digital fashion collection of 60 pieces without physical samples. This process demonstrated that traditional design workflows— typically involving multiple rounds of physical sample production and pattern modification—could be significantly shortened, saving time and reducing costs, which could minimize resource waste. The rich ideas from ChatGPT and the visual output of MidJourney complemented each other, enabling designers to quickly obtain concrete images and supporting creative decision-making. However, the study revealed limitations in areas that require complex cutting and sewing techniques—such as puzzle-like structures or modular details—where AI struggled to fully account for practical constraints. Addressing these gaps will require refined algorithms and expanded training data. Nevertheless, this research provides a concrete example of an AI-centered digital design process without physical prototypes, demonstrating how sustainable fashion can be planned without extensive pattern expertise or long-term experience. This approach suggests that advancing generative AI from an assistive tool to a creative partner in fashion design offers an efficient and practical alternative that meets the environmental and economic demands facing the industry.

본 연구는 생성형 AI 기반 사전 시각화가 패션 입체디자인 교육의 제작 과정 및 완성도에 미치는 영향을 분석하는 데 목적이 있다. 연구 대상은 패션디자인 전공의 ‘입체디자인 스튜디오’ 수업에 참여한 학생 17명이며, 도식화 디자인을 기반으로 생성형 AI를 활용한 사전 시각화 후 머슬린 드레이핑, 패턴 제작 및 실물 의복 제작을 진행하였다. 연구 결과 생성형 AI 기반 사전 시각화는 디자인 결과 예측, 실루엣 이해도 향상, 제작 방향 설정 및 시행착오 감소에 긍정적인 영향을 미치는 것으로 나타났다. 또한 완성 작품의 분위기와 컬렉션 구성을 사전에 시각적으로 확인할 수 있어 제작 완성도 향상에 도움이 된 것으로 분석되었다. 반면 AI 이미지와 실제 작품 간 소재 표현 및 디테일 구현에서 일부 차이가 나타났으며, 무료 버전 사용에 따른 생성 횟수 제한 등의 한계도 확인되었다. 본 연구는 생성형 AI가 패션 입체디자인 교육에서 실제 제작 결과를 예측하고 지원하는 교육 도구로 활용될 수 있음을 제시하였다는 점에서 의의가 있다.

This study aims to analyze the effects of generative AI-based pre-visualization on the production outcomes in fashion 3D design education. The participants consisted of 17 students enrolled in the “3D Design Studio” course in a fashion design program. Based on fashion sketches, students utilized generative AI tools for pre-visualization before conducting muslin draping, pattern development, and final garment production. The results showed that generative AI-based pre-visualization positively influenced design prediction, silhouette understanding, production direction, and reduction of trial-and-error during the production process. Students were also able to preview the overall mood and collection composition before actual production, which contributed to improved production outcomes. However, limitations such as discrepancies in material representation and restricted image generation attempts in free AI versions were identified. This study suggests that generative AI can be effectively utilized as an educational support tool in fashion 3D design education.

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 패션 디자인 분야에서는 생성형 인공지능과 3D 시뮬레이션 기술의 발전이 이루어지면서, 창의적 디 자인 발상 과정에 혁신적 변화가 나타나고 있다. 특히 챗지피티, 미드저니와 같은 생성형 AI 도구들은 텍스트 기반 고해상도 이미지 생성 기능을 통해 디자이너가 예상치 못했던 참신하고 구상에 근접한 디자인 이미지 를 얻는데 기여하고 있다. 이러한 배경에서 본 연구의 목적은 생성형 AI의 이미지 발상과 클로3D 기반 가상 패션 시뮬레이션을 결합하여 ‘이미지 발상’에서 ‘디자인 도출’, ‘3D 가상패션 시뮬레이션’을 거쳐 ‘제작 가능 성 확인’에 이르는 순환적 창작 과정을 모색하고, 투명 소재 질감 표현 중심의 디지털 패션 디자인 방법을 제시하는 데 있다. 연구 방법으로, 망사, 홀로그램 PVC, 오간자 등 투명 소재를 활용해 망사 조직의 투명 레이어링, 레이저 커팅을 통한 텍스타일의 구조적 비침 효과, 얇은 오간자 주름의 입체적 반투명 효과 등 세 가지 아트웨어 디자인 컨셉을 구상하였다. 각 디자인에 대해 생성형 AI로 이미지를 생성한 후 클로3D로 동일 디자인의 3D 가상 의상 시뮬레이션을 수행하였으며, 생성된 이미지와 시뮬레이션 결과에서 나타난 투 명 소재의 질감 및 조형 표현 특성을 비교 분석하였다. 최종 단계에서 실시한 전문가 평가를 통해 AI 생성 디자인의 투명 소재 질감 표현의 사실성이 클로3D 시뮬레이션 이미지와 유사한 수준으로 높게 나타남을 확 인하였다. AI 생성 이미지는 광택 표현에서 우수함을 보였고, 클로3D 이미지는 투명 표현이 더 우수함을 나 타내었다. 결론적으로, AI와 클로3D를 활용한 순환적 디자인 프로세스는 AI 이미지 발상을 위한 프롬프트 기획, AI 시각화 실험, 클로3D 질감 시뮬레이션, 시뮬레이션 결과 평가, 피드백 및 수정의 단계로 구성된다. 피드백 및 수정 단계에서 프롬프트 수정 및 이미지 재생성과 재시뮬레이션 과정을 거치면서 순환적 디자인 프로세스를 수행한다. 본 연구의 의의는 생성형 AI와 클로3D의 융합을 통해 디지털 패션 디자인 분야에서 소재 표현과 조형 방법의 새로운 가능성을 확인한 데 있다.

In the field of modern fashion design, artificial intelligence and digital technology have brought innovation to creative ideas and design processes. Advances in generative AI and 3D fashion simulation technology are changing the design paradigm. In addition, improvements in performance and new features of ChatGPT and Midjourney are greatly enhancing creative idea generation capabilities. This study aims to experimentally explore a creative cycle structure that combines image generation using generative AI with CLO 3D-based simulation, from image conception through design derivation, 3D virtual fashion simulation to verification of production feasibility. Furthermore, the study intends to experiment with images centered on materials and techniques using generative AI for artwear design and to implement the visual texture characteristics perceived in the images in CLO 3D. It also examines new possibilities for artwear design by integrating generative AI and 3D fashion simulation technology, proposing a digital fashion design production method centered on the expression of transparent material textures. Specifically, we sought to implement transparent textures in a virtual space by using transparent materials such as mesh, hologram, and organza, applying different techniques such as laser cutting and accordion pleating. Images were generated multiple times using ChatGPT and Midjourney, and three selected results were implemented using CLO 3D. Subsequently, a comparative analysis was conducted on the material expression and formative techniques in the AI-generated images and the artwear designs implemented using CLO 3D. This study demonstrates the creative and experimental nature and feasibility of digital fashion design through the integration of generative AI and CLO 3D, and its significance lies in confirming the influence of material-centric expression methods on digital artwear design.

디지털 패션은 인공지능과 실시간 미디어 기술의 도입을 통해 정적인 의상 이미지에서 시간성과 반응성을 지닌 시각 표현으로 확장되고 있다. 그러나 시간적으로 변화하는 음악 정보를 디지털 의상 이미지와 결합하는 방법은 아직 충분히 논의되지 않았다. 본 연구는 생성형 AI와 실시간 음악 시각화 기술을 결합하여 음악정보를 디지털 의상 이미지로 전환하는 디자인 방법을 제안하고, 그 적용 가능성을 검토하는 데 목적이 있다. 분석 사례로는 영화『Interstellar』의 사운드트랙 <S.T.A.Y.>를 선정하였다. 곡은 도입, 전개, 절정, 완화의 네구간으로 구분하였으며, 각 구간의 정서적 흐름, 리듬, 음향적 밀도, 주파수, 에너지 특성을 분석하였다. 분석결과를 색채, 광원, 형태 변화, 패턴 밀도 등의 시각 요소와 대응시키고, 터치디자이너에서 음악 입력에 반응하는 실시간 시각 패턴을 구현하였다. 이후 시각화 이미지에서 도출한 형태적 특징과 음악 분석 결과를 프롬프트로 전환하여 미드저니에 적용하고, 각 구간별 디지털 의상 이미지를 생성하였다. 생성된 의상 이미지는 터치디자이너에서 구현한 시각 패턴과 합성하여 음악 반응형 디지털 의상 이미지로 제작하였다. 또한 전문가 10명을 대상으로 평가를 실시하였으며, 평가 항목은 음악-AI 의상 연계성, 동적 시각 표현성, 기술 통합 및 혁신성, 디자인 완성도 및 적용 가능성으로 구성하였다. 연구 결과, 음악의 구간별 변화는 색채 변화, 발광 효과, 형태의 확장과 수축, 패턴 밀도 변화를 통해 의상 이미지 위에 반영되었다. 전문가 평가는 리커트 5점 척도를 기준으로 실시되었으며, 전체 평균은 M=4.35로 나타났다. 특히 기술 통합 및 혁신성과 동적 시각 표현성이 상대적으로 높은 평균값을 보였다. 본 연구는 음악 분석, 실시간 시각화, 생성형 AI 기반 이미지 생성, 이미지 합성, 전문가 평가를 하나의 통합적 디자인 프로세스로 구성하였다는 점에서 의의를 가진다. 다만 본 연구는 특정 음악 사례와 디지털 이미지 차원의 구현에 한정된다. 향후 연구에서는 다양한 음악 장르와 의상 유형으로 분석 범위를 확장하고, 사용자 평가, 실물 의상 제작 및 전시 환경 적용을 함께 검토할 필요가 있다.

Digital fashion is evolving from static garment imagery toward temporal and responsive visual expression, yet approaches to integrating dynamic musical information with garment images have received limited attention. This study proposes a method combining generative AI with real-time music visualization and examines its applicability. The soundtrack S.T.A.Y. from Interstellar was divided into four sections: introduction, development, climax, and relaxation, and analyzed in terms of emotional flow, rhythm, acoustic density, frequency, and energy. These characteristics were mapped to color, luminous effects, form transformation, and pattern density, and then implemented as music-responsive patterns in TouchDesigner. The results were translated into Midjourney prompts to generate garment images for each section, which were subsequently composited with TouchDesigner patterns. Ten experts evaluated music-AI garment connectivity, dynamic visual expressiveness, technological integration and innovation, and design quality and applicability using a 5-point Likert scale. Musical changes were reflected through variations in color, light, form expansion and contraction, and pattern density. The overall mean score was M=4.35, with technological integration and innovation and dynamic visual expressiveness receiving the highest ratings. This study presents an integrated process linking music analysis, visualization, AI image generation, compositing, and expert evaluation. Future research should extend this approach to broader genres, garment types, user evaluation, physical production, and exhibition applications.

This study used the image-generative AI tools GPT-image-1.5 and Gemini to produce primary shampoo packaging designs reflecting Korean aesthetics and to compare the outputs under identical prompt conditions. Based on domestic literature, Korean aesthetic attributes were organized into five categories—form, texture, color, motif, and emotion—and then operationalized into an executable prompt framework using ChatGPT 5.2. The same prompt was entered three times for each tool, and the results were qualitatively analyzed. GPT-image-1.5 consistently maintained product-category appropriateness, including the pump dispenser, across repetitions, whereas Gemini showed greater variability, frequently modifying or omitting the pump while emphasizing traditional formal interpretations such as ceramic-like textures. Both tools largely reproduced the intended low-gloss matte finish, low-saturation palette, and traditional motifs/Hangul-inspired elements. Overall, the findings indicate that even with the same prompt, the tools prioritize different constraints—category compliance versus traditional aesthetic emphasis—offering foundational guidance for tool selection and prompt-design strategies in K-beauty packaging practice.

정신건강과 정서적 웰빙에 대한 사회적 관심이 높아지고 있는 현대 시대에서 감정을 표현 및 기록할 수 있는 디지털 도구에 대한 수요도 동시에 증가하고 있는 상황에서 감정일기 서비스가 정서 인식과 자기 성찰에 긍정적인 영향을 미친다는 점을 기존 연구들에서 반복적으로 제시해 왔다. 대표적으로 생성형 AI 기반 감정저널링 시스템인 MindScape 연구에서 대학생을 대상 으로 한 실험에서 부정 정서가 11% 감소, 긍정 정서는 7% 증가하는 효과를 확인했고 임상 환경에서 우울장애 환자를 대상으로 한 MindfulDiary 연구에서는 사용자의 감정 기록 빈도 증가, 감정 맥락 파악 용이성, 치료자와의 공감적 소통 향상 등 정성적·정 량적 효과가 실증되었으며 Resonance 시스템의 무작위 통제 실험(RCT)에서도 사용자에게서 PHQ-8 점수의 유의미한 감소가 관찰되어 생성형 AI 기반 저널링 도구의 정서 개입 효과가 재확인되었다. 이러한 사례는 생성형 AI가 단순한 텍스트 생성 기술을 넘어 정서 지원 도구로서 실제적 효용을 갖고 있음을 보여준다. 이러한 사회적, 학술적 수요에 착안해서 사용자의 감정을 기반으 로 맞춤형 일기 콘텐츠를 생성하는 생성형 AI 기반 감정형 일기 앱 서비스의 설계와 구현을 본 연구에서 제안한다. 감정 분류 체계와 사용자 인터페이스, 생성형 인공지능을 결합하고 감정 입력에 따라 개인화된 일기문을 생성하도록 설계 및 구현했다. 향후 감정 기반 콘텐츠 생성 서비스 개발 관련 분야의 다양한 연구로 확장될 것이다.

In a contemporary era where social interest in mental health and emotional well-being is growing, demand for digital tools that enable people to express and record emotions is also increasing. Previous studies have repeatedly shown that emotional diary services have a positive impact on emotional awareness and self-reflection. For example, in a study on MindScape, a generative AI-based emotion journaling system, an experiment on college students confirmed an 11% decrease in negative emotions and a 7% increase in positive emotions. In a study on MindfulDiary on patients with depressive disorders in a clinical setting, qualitative and quantitative effects were demonstrated, such as an increase in the frequency of users recording their emotions, an ease of understanding the context of their emotions, and an improvement in empathic communication with therapists. These examples demonstrate that generative AI goes beyond simple text generation and has practical utility as an emotional support tool. Inspired by these social and academic needs, this study proposes the design and implementation of a generative AI-based emotional diary app service that generates personalized diary content based on the user's emotions. We designed and implemented a system that combines an emotion classification system, a user interface, and generative AI to generate personalized diary entries based on emotional input. This will be expanded into various research areas related to the development of emotion-based content generation services.

본 연구는 생성형 인공지능 활용이 확대되는 초등 교육 맥락에서 기존 ASSURE 교수설계 모형을 재구성한 GA‑ASSURE 모형을 제안하는 데 목적이 있다. 문헌연구를 통해 ASSURE 모형의 여섯 단계와 생성형 인공지능의 기능, 위험, 윤리, 교사 역량을 분석하여 1차 모형을 구안하고, 초등교사와 관련 전공 전문가 5인의 서면 의견을 반영해 단계별 실행 지침의 명료성과 현장 적용 가능성을 보완한 2차 모형을 도출하였다. GA‑ASSURE 모형은 학 습자 분석부터 평가 및 수정에 이르는 ASSURE 흐름 속에 AI 리터러시 진단, 프롬프트 설계와 산출물 검증, 윤리 적인 부분과 법적 고려, 기술적 오류 대비를 통합하여 생성형 인공지능을 교사의 전문성을 보완하는 인지적 도구 로 활용하기 위한 성취기준 기반 수업 설계 준거를 제공하고자 하였다.

This study proposes the GA‑ASSURE model, which adapts the ASSURE instructional design model to the use of generative artificial intelligence in elementary education. The initial model was developed by analyzing the six phases of ASSURE together with key aspects of generative AI, such as its functions, risks, ethics, and required teacher competencies, and then aligning these elements. Written feedback from five experts, including in‑service elementary teachers and researchers in computer education and instructional technology, was used to refine phase‑specific guidelines and derive the second version of GA‑ASSURE. The model embeds AI literacy diagnosis, prompt design and verification, ethical and legal considerations, and preparation for technical failures into the ASSURE cycle, providing practical criteria for using generative AI as a cognitive tool that complements teachers’ professional judgment in achievement standard‑based instructional design.