Earticle

This study investigates how non-experts learn to use generative AI image tools by comparing outcome-oriented tools (e.g., Midjourney, DALL·E) with process-oriented tools (e.g., ComfyUI). Outcome-oriented tools offer intuitive interfaces and immediate feedback, lowering initial cognitive load, while process-oriented tools provide advanced control but require higher effort to master. Using surveys with 15 participants and in-depth interviews with 6 users, this exploratory study examined cognitive load, sense of control, and motivation. Results show that outcome-oriented tools effectively engage beginners, whereas process-oriented tools foster sustained learning once early barriers are overcome. Based on these findings, a three-stage curriculum—Basic Exploration, Advanced Control, and Creative Application—is proposed to gradually reduce cognitive barriers and support long-term creative growth.

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.

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.

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.

This study creates and selects a senior image model suitable for senior hair-up style design by utilizing the strengths of prompt accuracy, design modification, and artistic consistency with interactive artificial intelligence, ChatGPT 5 (Open AI). Prompt-based hair-up styles were designed through a generative AI model. With the focus on natural and elegant hair wave styles, popular in 2026, this study intend to produce a total of 24 designs for senior hair-up styles by theme (Hair length-3 points, Hair Point-6 points, Hair Parting-9 points, and Hanbok & Dress-6 points). Quantitative and qualitative analysis was conducted by expert sensory testing on various senior hair-up style designs produced by image generating AI models, and objective sensory evaluation of the designs were conducted from the perspective of formability, dignity, suitability, and preference. As a result of the research on senior hair-up designs using ChatGPT 5 (Open AI), it was confirmed that AI can be used in various ways in the beauty field, including a creative design tool as well as a basis for practical work. This study intend to effectively apply AI to the senior hair-up style education environment and develop AI convergence class contents.

本研究核心内容分为三部分：第一，依托对话式人工智能ChatGPT-5（OpenAI）在提示词精准度、设计迭代、风格一致性上的优势，构建并筛选适配中老年盘发设计的人物图像模型；第二，基于筛选后的AI 模型，通过提示词驱动完成中老年盘发设计，以2026 年自然优雅卷发趋势为风格核心，围绕中老年盘发主题，按发长（3 款）、造型亮点（6 款）、刘海分缝（9 款）、韩服/ 礼服场景（6 款）分类，共完成24 款设计作品；第三，邀请行业专家对AI 生成的盘发设计开展感官评价，从造型性、端庄感、适配性、偏好度四个维度进行定量与定性评估。研究证实，运用ChatGPT-5 开展中老年盘发设计，不仅可辅助完成前期创意筹备，还能作为创作工具提升设计完成度，在美容领域具备多元应用场景。本研究提出的AI 辅助设计思路可应用于中老年盘发教学场景，用于开发美妆设计与AI 融合的课程内容。

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.

본 연구는 세계적으로 급성장하고 있는 생성형 AI 기술의 정보품질이 클라우드와 온디바이스 방식의 AI 구매의도에 미치는 영향을 브랜드 이미지와 이원적 신뢰(정서적, 인지적)의 매개효과를 중심으로 알아보았다. 생성형 AI 기술의 전문성과 사용연령을 고려하여 10대 부터 50대 사용자 중 클라우드 AI와 온디바이스 AI 방식을 모두 경험한 남녀 273명을 대상으로 설문하였고, SmartPLS 4.0의 탐색적 구조방정식을 분석에 활용하여 실증하였다. 연구 결과, 생성형 AI의 정보품질이 정서적 신뢰와 인지적 신뢰에 미치는 긍정적 영향이 확인되었다. 또한, 정보품질과 브랜드 이미지가 인지적 신뢰를 통해 클라우드 AI와 온디바이스 AI 구매의도에 미치는 긍정적 영향이 확인되었다. 하지만, 정서적 신뢰가 클라우드 AI와 온디바이스 AI 구매의도에 미치는 긍정적 영향은 통계적으로 유의하지 않았다. 본 연구는 생성형 AI 기술의 정보품질이 이원적 신뢰에 매개되어 클라우드와 온디바이스 방식의 AI 구매의도에 영향을 미치는 메커니즘을 실증 연구함으로써, 생성형 AI 영역에서 정서적 신뢰와 인지적 신뢰의 차별적 특성을 이해하고, 해당 비즈니스에서 고객의 신뢰를 형성하는 경영 전략과 방향성을 제시했다는데 학술적, 실무적 의의가 있다.

This study was empirically verified how Information Quality in generative AI technology, which is experiencing rapid global growth, affects Purchase Intentions for Cloud and On-device AI methods, focusing on the mediating effects of Brand Image and Dual Trust (affective and cognitive). Considering the expertise and age range of generative AI technology users, we surveyed 273 men and women ranging from 10s to those in their 50s who had experienced both Cloud AI and On-device AI methods. The data was empirically analyzed using exploratory structural equation modeling with SmartPLS 4.0. Research results confirmed the positive impact of generative AI's Information Quality on both affective and cognitive trust. Additionally, the positive effects of Information Quality and Brand Image on Purchase Intentions for both Cloud AI and On-device AI through cognitive trust were verified. However, the positive influence of affective trust on Purchase Intentions for Cloud AI and On-device AI was not statistically significant.

본 연구의 목적은 이미지 생성형 AI(예: 미드저니, 달리)에 대한 대중의 인식, 사용 경험 및 만족도를 파악하 고 만족도에 미치는 영향을 규명하는 것이다. 연구 대상자는 총 2,275명이었으며, 수집된 자료는 SPSS WIN 22.0 프로그램을 이용하여 t-test, ANOVA, 다중회귀분석을 통해 분석하였다. 연구 결과, AI에 대한 태도는 52.9%가 긍정적, 47.1%는 부정적인 것으로 나타났다. 긍정적 인식의 주요 이유는 '편리함'이었으며, 부정적 인식은 ‘불분명 한 저작권 문제'이었다. 생성형 AI 만족도에 유의미한 영향을 미치는 요인은 연령대(ß=.047, p=.021), 사용 경험 (ß=.133, p<.001)이었다. 이 결과는 생성형 AI의 기술 발전 속도에 비해 사회적 수용이 더디다는 점을 보여주며, 법적·윤리적 기준 마련과 개인 맞춤형 AI 개발의 필요성을 시사한다.

The purpose of this study was to investigate public perception, usage experience, and satisfaction with image-generated AI(e.g., Midjourney, DALL-E) and to identify the factors influencing on satisfaction. A total of 2,275 participants were surveyed, and the collected data were analyzed using t-test, ANOVA, and multiple regression analysis via SPSS WIN 22.0 program. The result showed that 52.9% of participants had a positive attitude, while 47.1% held a negative attitude. The main reason for positive perceptions was 'convenience', whereas negative perceptions were 'unclear copyright problem'. Factors that significantly influenced satisfaction with generative AI included age group (ß=.047, p=.021) and usage experience (ß=.133, p<.001). The results show that social acceptance is slow compared to the speed of technological development in Generative AI, suggesting the need to establish legal and ethical standards and develop personalized AI.

이 연구는 이미지 생성형 AI와 관련한 미학적 담론을 검토하고, AI 조경 드로잉의 과정과 결과물에 나타나는 미학적 특징과 내재된 쟁점을 비판적으로 논의하였다. 우선, 최근의 미학적 논의를 통해 이미지 생성형 AI의 매체적 특수성을 '새로운 미디어 효과', '예측적 미디어', '창의적 주체'의 관점으로 정리하였다. 이를 토대로 조경 디자인에서 AI 드로잉의 생산 메커니즘을 분석하였다. 구체적으로, AI 플랫폼의 인터페이스와 디자인 과정에서의 활용 양상을 기존 디지털 드로잉 방식과 비교하여 AI 조경 드로잉의 미학적 원리와 효과를 해석하였다. 다음으로, AI 조경 드로잉과 디자인 과정에서 드러나는 미학적 쟁점을 비판적으로 논의하였다. AI 드로잉은 새로운 미디어 효과를 통해 목가적 풍경의 이상을 넘어서는 대안적 경관 미학을 실험하는 유용한 도구가 될 수 있다. 그러나 드로잉 과정에서 디자이너의 의도가 텍스트로 전달되고, 그 해석과 시각적 구현이 AI에 의해 자율적으로 수행되면서 창의성과 저작권의 귀속 문제가 제기된다. 또한 결과물에는 환경·도시·문화 등의 맥락적 요소가 결여되어 실무적 활용이 제한적일 가능성이 있으며, 기존 경관 이미지의 반복 학습으로 경관 미학의 획일적 재생산이 발생할 우려가 존재한다. 마지막으로, AI 시대의 조경 디자이너는 프롬프트 설계와 이미지의 현실적 적절성 검토 등 AI 드로잉 과정을 지도하고 비판적으로 통제하는 '감독자'로서의 역할이 중요해질 것으로 제안되었다.

This study examines the aesthetic discourses surrounding image-generative artificial intelligence (AI) and critically discusses the aesthetic characteristics and inherent issues observed in the processes and outcomes, Recent aesthetic discourses was reviewed to conceptualize the medium-specific characteristics of AI through the perspectives of new media effects, predictive media, and creative agency. Building on this theoretical framework, the study analyzed the production mechanisms of AI drawings in landscape design. Specifically, by comparing the interface and use of AI platforms in the design process with those of conventional digital drawing methods, the study interpreted the aesthetic principles and effects distinctive to AI-generated landscape drawings. Subsequently, the study critically explored the aesthetic issues emerging in AI landscape drawing and design practices. AI drawings can produce new media effects that enable experimentation with alternative landscape aesthetics, extending beyond the ideals of pastoral landscapes. However, as the designer's intent is conveyed through text and its interpretation and visual realization are performed autonomously by AI, questions arise about authorship and creative ownership. Moreover, the resulting images often lack contextual elements such as environmental, urban, or cultural factors, rendering limited practically and applicability limited in professional design contexts. In addition, the iterative learning of pre-existing landscape imagery raises concerns over the homogenized reproduction of conventional landscape aesthetics. Finally, in the age of AI, landscape designers are expected to assume the role of directors who lead and critically direct the drawing process-particularly in prompt design and the judgment of the visual and contextual validity of AI-generated images.

본 연구는 디자이너와 생성형 인공지능의 협업 디자인에 중점을 두고, 디자인 의도에 부합하는 이미지를 창출하는 것을 목표로 한다. 이론적 배경 부분에서는 제4차 산업혁명과 인공지능 발전의 이론적 기초를 연구하고, ChatGPT와 Midjourney의 작동 원리 및 기능적 특징을 상세히 분석하였다. 이러한 두 도구를 합리적으로 결합하면 이미지 디자인의 적합성과 창의성 수준을 크게 향상시킬 수 있음을 밝혀냈다. 인지학 관점에서 디자이너의 디자인 사고 과정을 분석하고, 본 연구의 디자인 사고 과정을 도출하여 실험에 대한 지침을 제공하였다. 실험 결과, 명확한 디자인 의도 지침 하에서 ChatGPT와 Midjourney가 생성한 이미지는 디자이너의 기대에 부합하는 것으로 나타났다. 이는 이미지 생성 분야에서 생성형 인공지능의 장점과 단점을 드러내며, 미래의 최적화에 참고자료를 제공하였다. 본 연구는 디자이너가 디자인 과정에서 주도적 위치를 유지하며, 인공지능을 보조 도구로 활용하여 창의성을 확장해야 한다고 주장한다. 인간-기계 협업 디자인이 실현 가능성과 유효성을 가지고 있으며, 디자이너가 생성형 인공지능을 더 잘 활용할 수 있도록 구체적인 제안을 제시하였다.

This study focuses on the collaborative design between designers and generative artificial intelligence, aiming to create images that align with design intentions. In the theoretical background section, the theoretical foundations of the Fourth Industrial Revolution and the development of artificial intelligence are explored. The working principles and functional characteristics of ChatGPT and Midjourney are analyzed in detail, revealing that the reasonable combination of these two tools can significantly enhance the alignment and creativity of image design. From a cognitive perspective, the design thinking process of designers is analyzed, and the design thinking process of this study is summarized, providing experimental guidance for this research. Experimental results indicate that under the guidance of clear design intention prompts, the images generated by ChatGPT and Midjourney align with the designers' expectations. This reveals the advantages and limitations of generative artificial intelligence in image generation, offering references for future optimization. This study suggests that designers should maintain a leading role in the design process, using artificial intelligence as an auxiliary tool to expand creativity rather than replace human creativity. Human-machine collaborative design is feasible and effective, and this study also provides specific recommendations for designers to better utilize generative artificial intelligence.

본 연구는 이미지 생성형 AI를 활용한 미술치료사의 창작 경험을 심층적으로 드러내는 데 목적이 있다. 이를위해 셀프 연구(Self-study) 방법을 통해 연구자 본인을 연구참여자로 설정하였으며, 이미지 생성형 AI 도구(Midjourney)를 사용하여 기록을 시각화하고 성찰하는 5단계 프로세스를 진행하였다. 연구 결과, ‘낯선 매체와의조우: 기술적 장벽과 심리적 저항’, ‘탐색과 적응: 도구의 숙달과 창조적 확장’, ‘내적 성찰과 통찰: 무의식적 자기인식과 투사’, ‘치료사적 시각: 치료적 매체로의 가능성과 안전’이라는 네 가지 범주가 도출되었다. 본 연구는 이미지 생성형 AI를 미술치료 임상에서 매체로 활용하기 전 미술치료사가 자신에게 먼저 적용하여 체험적 자료를제공한다는 점에서 의의가 있다. 본 연구는 이미지 생성형 AI가 미술치료의 도구로써 효능감과 통찰, 확장의 가능성 있음을 확인하였으나, 초반의 저항감, 무작위성, 타협 및 보완되어야 하는 사항을 제시하며 임상 현장에서이미지 생성형 AI 도구를 활용하기 위한 기초 자료로 활용될 수 있다. 이러한 결과를 바탕으로 본 연구의 의의와 제한점에 대하여 논의하였다.

This study aimed to provide an in-depth look at the creative experiences of art therapists utilizing image generative AI. To this end, the researcher established themselves as the research participants through a self-study method and conducted a five-step process of visualizing and reflecting on records using the generative AI tool (Midjourney). As a result, four categories were derived: ‘Encounter with an Unfamiliar Medium: Technological Barriers and Psychological Resistance’, ‘Exploration and Adaptation: Mastery of the Tool and Creative Expansion’, ‘Internal Reflection and Insight: Unconscious Self-Awareness and Projection’, and ‘Therapist’s Perspective: Potential and Safety as a Therapeutic Medium’. This study was significant in that the therapists provided experiential data by applying generative AI to themselves before utilizing it as a medium in clinical art therapy. Furthermore, while this study confirmed the potential for efficacy, insight, and expansion of image generative AI as a art therapy tool, it also presented initial resistance, randomness, compromises, and areas requiring improvement; thus, it served as foundational data for utilizing image generative AI tools in clinical settings. Based on these results, the significance and limitations of this study were discussed.

본 연구는 이미지 생성형 AI 도구를 활용한 미술치료사들의 집단미술치료 체험의 의미를 심층적으로 드러내는 데 목적이 있다. 이를 위해 현상학적 체험연구 방법을 통해 미술치료사들의 집단미술치료 체험을 분석하였다. 연구 결과, ‘심상-프롬프트 전환의 어려움에서 숙련으로: 표현력의 점진적 향상’, ‘이중 변환의 한계와 수용을통한 의미 발견', '즉시성과 효율성이 가져온 표현력 확장과 창작 경험의 감소’, ‘AI 창작을 통한 자기 이해', '치료적 관계의 확장: 조력자로서의 AI와 치료사 역할'의 다섯 가지 주제가 도출되었다. 본 연구는 AI 기술 활용에대한 논의가 부족한 미술치료 분야에 실증적 자료를 제공한다는 점에서 의의가 있다. 또한 미술치료 교육과정과임상 현장에서 이미지 생성형 AI 활용을 위한 기초자료로 활용될 수 있으며, 기술 발전 속에서 미술치료의 고유한 가치와 치료적 관계 안에서 AI의 역할을 살펴보는 데 기여한다. 이러한 연구결과를 바탕으로 본 연구의의의와 제한점에 대하여 논의하였다.

This study explored the meaning of group art therapy experiences using image-generative AI tools. The study employed an empirical phenomenological research method to analyze the experiences of art therapists. The analysis revealed five core themes: (1) gradual improvement of expressive ability, as therapists moved from initial difficulties in transforming mental imagery into text prompts toward increasing proficiency; (2) discovering meaning through acknowledging and accepting the limitations inherent in double mediation; (3) expanded expressive possibilities accompanied by a diminished sense of original creative engagement due to AI’s immediacy and efficiency; (4) enhanced self-understanding through AI-assisted image creation; and (5) expansion of the therapeutic relationship, highlighting AI’s role as a supportive assistant and prompting reflection on the therapist’s role. This study provided empirical evidence in a field where discourse on the use of AI technologies remained limited. The findings offered foundational insights for the application of image-generative AI in art therapy curricula and clinical practice. Furthermore, they contributed to a deeper examination of how AI could within the unique values and relational dynamics of art therapy amid rapid technological development. Based on these findings, the implications and limitations of this study were discussed.

본 연구에서는 생성형 AI 기반 위성영상 프레임 예측과 상호연관 기법을 결합하여 대기운동벡터(AMV)를 산출하는 기법을 제시하고 라디오존데 관측값과 검증하였다. GAN 모델 학습을 위해 천리안 1호 태풍 위성영상(68개 태풍)을 학습해 최대 1시간 이후 영상을 예측하였다. AI 모델의 평가 사례들에서 예측된 프레임은 실제 촬영된 프레임과 높은 픽셀 상관(약 0.97~0.98)을 보여 구름 구조 재현성을 확인하였다. 예측된 연속 프레임들을 이용해 산출한 AMV는 라디오존데 관측과 비교했을 때 NWP 기반 벡터보다 MVD 및 RMSE가 전반적으로 감소하였다. 다만 구름 명암 변화가 낮은 사례에서는 정확도 유지를 위해 학습 반복횟수를 약 70만 회 이상 수행할 필요가 있음을 확인하였다.

In this study, a method for deriving atmospheric motion vectors (AMVs) by combining generative AI-based satellite image frame prediction with a cross-correlation technique is proposed and validated using radiosonde observations. For training the generative adversarial network (GAN) model, infrared satellite images of 68 typhoons observed by the COMS geostationary satellite were used to predict satellite images up to 1 hour ahead. The predicted frames exhibited high pixel-wise correlation coefficients with the corresponding ground truth images (approximately 0.97-0.98), confirming reliable reconstruction of cloud structures. AMVs derived from the predicted consecutive frames showed overall reductions in mean vector difference (MVD) and root mean square error (RMSE) compared to numerical weather prediction (NWP) based wind vectors when validated against radiosonde observations. However, for typhoon cases characterized by low cloud brightness contrast, it was found that a training iteration number of at least approximately 700,000 was required to maintain a certain level of prediction accuracy.

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.

With the development of AI technology, there is a growing discussion about Text-to-Image Generative AI. We presented a Generative AI video production method and delineated a methodology for the production of personalized AI-generated videos with the objective of broadening the landscape of the video domain. And we meticulously examined the procedural steps involved in AI-driven video production and directly implemented a video creation approach utilizing the VQGAN-CLIP model. The outcomes produced by the VQGAN-CLIP model exhibited a relatively moderate resolution and frame rate, and predominantly manifested as abstract images. Such characteristics indicated potential applicability in OTT-based video content or the realm of visual arts. It is anticipated that AI-driven video production techniques will see heightened utilization in forthcoming endeavors.

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

본 연구는 생성형 AI 이미지 생성에서 영화 연출 지식 기반의 미장센 제어가 확률적 무작위성(언어적 모호성) 과 정체성 불일치 문제를 극복할 수 있음을 실증적으로 검증한다. 기존 연구들은 생성형 AI의 미장센 구현 특성을 분석하였으나, 연출자가 의도한 미장센을 정밀하게 제어하는 방법론은 제시하지 못했다. 우리는 André Bazin의 미장센 이론을 AI 환경에 적용하여, 연출 전문 용어의 프롬프트 투입에서부터 물리적 파라미터와 시각적 가이드의 주입까지를 포괄하는 '미장센 컨디셔닝'을 정의하고, 다중 스케치 기반 구도 제어, 물리적 렌즈 파라미터 설정, 보색 대비 재조명(Relighting), 다중장면 동시 생성이라는 네 가지 방법론을 제안한다. Nano Banana Pro 플랫폼을 활용한 실험 결과, 다중 스케치를 통한 딥 포커스 구도 제어, 14mm 렌즈 파라미터를 통한 초광각 공간 확장, 오렌지 & 틸 보색 대비를 통한 피사체-배경 분리 및 입체감 확보, 9컷 동시 생성을 통한 다중 앵글 서사적 연속성을 구현하였다. 미장센 지식 기반 프롬프트가 연출 의도의 방향성을 제시하나, 기술적 제어를 함께 적용할 때 AI의 생성 범위가 연출 의도로 정밀하게 수렴됨을 확인하였다. 본 연구가 제시한 '미장센 지식 → 공학적 파라미터 변환' 프레임워크는 플랫폼과 기술이 진화하더라도 유효한 방법론적 기반을 제공할 것이다.

This study empirically demonstrates that mise-en-scène control based on cinematic directing knowledge can overcome stochastic randomness and identity inconsistency in generative AI image generation. While existing studies have analyzed the characteristics of mise-en-scène implementation in generative AI, they have not proposed methodologies for precisely controlling the mise-en-scène intended by directors. We apply André Bazin's mise-en-scène theory to the AI environment and define 'Mise-en-scène Conditioning' as a strategy that converges AI generation scope to the director's intent - from professional directing terminology in prompts to physical parameters and visual guides. We propose four methodologies: multi-sketch-based composition control, physical lens parameter settings, complementary color contrast relighting, and multi-scene simultaneous generation. Experiments using the Nano Banana Pro platform achieved deep focus composition control through multi-sketches, ultra-wide spatial expansion through 14mm lens parameters, subject-background separation and depth enhancement through orange & teal complementary contrast, and multi-angle narrative continuity through 9-cut simultaneous generation. While mise-en-scène knowledge-based prompts establish directional intent, technical control applied in conjunction enables precise convergence of AI's generation scope. The framework of 'mise-en-scène knowledge → engineering parameter transformation' proposed in this study will provide a methodological foundation that remains valid even as platforms and technologies evolve.

생성형AI는 디자인 산업 전반에걸쳐 빠르게 확산되고있 다. 특히, 브랜드 디자인 영역에서 인간 중심의 창의적 사고 과정으로 대체 및 보조하는 새로운 도구로 주목받고 있다. 본 연구는 생성형 AI를 활용한 브랜드 로고 결과물의 시각적 일 관성을 비교·분석함으로써 AI 디자인의 신뢰성과 적용 가능 성을 실험적으로 검증하는 것을 목적으로 한다. 본 연구를 위 핸 AI 도구 7종(DALL·E 3, Firefly, Nano Banana, Canva, Lo oka, Kittl, Brandmark)을 선정했다. 가상 브랜드인 “EcoLoop”를 대상으로 통일된 프롬프트를 반복 입력하고, 로고 이미 지를 수집했다. 색상, 형태, 구성의 세 항목을 기준으로 이미 지 분석을 통해 정량화하고, 통합 지수 VCII(Visual Consistency Index)로 산출했다. 그 결과, Firefly(VCI=0.83)가 가장 높은 시각적 일관성을 보였다. Looka는 형태 재현성과 구조 적 일관성에서, Firefly는 색상 안정성과 감성 톤의 유지에서 우수했다. 반면, DALL·E 3와 Kittl은 창의적 변주 폭이 넓었 지만, 변동성이 높게 나타났다. Nano Banana는 프롬프트 해 석의 일관성이 높게 나타났다. 텍스트-이미지 생성형 AI는 창의성 중심, 로고 설계 생성형 AI는 구조적 안정성 중심의 특성을 보여 브랜드 디자인에서 생성형 AI 활용시 선택적 접 근이 필요함을 시사한다. 본 연구는 AI 디자인 결과의 품질 평가에 적용 가능한 정량 지표(VCI)를 제시함으로써 향후 AI -인간 협업 디자인 연구의 기초를 제공한다.

Generative Artificial Intelligence (AI) has rapidly prolife rated across the design industry, emerging as a transform ative tool that both supplements and substitutes human-c entered creative thinking processes, particularly within th e field of brand design. This study aims to experimentally verify the reliability and applicability of AI-based design by comparing and analyzing the visual consistency of bra nd logo outputs generated through various Generative AI tools. Seven AI platforms—DALL·E 3, Firefly, Nano Ban ana, Canva, Looka, Kittl, and Brandmark—were selected for comparative analysis. Using a unified prompt for a vir tual brand named “EcoLoop,” multiple logo images were generated, quantified across three key parameters—color, form, and composition—and synthesized into an integrate d index termed the Visual Consistency Index (VCI). The results indicate that Firefly (VCI = 0.83) exhibited the hig hest level of visual consistency. Looka demonstrated supe rior structural stability and form reproducibility, while Fir efly excelled in color coherence and emotional tone consis tency. Conversely, DALL·E 3 and Kittl exhibited wider cr eative variability with reduced consistency, whereas Nano Banana showed higher prompt interpretation stability. The findings reveal that text-to-image generative models emphasize creativity, whereas logo-design-specific AI sy stems prioritize structural stability, implying that a selecti ve approach is required when employing AI tools in brand design practice. By presenting a quantitative metric (VCI) applicable to the evaluation of AI-generated design qualit y, this study provides a foundational framework for futur e research on AI–human collaborative design models.

국제적으로 기후 위기, 전쟁, 심화되는 불평등으로 인해 UN 지속가능발전목표(SDGs) 달성을 위한 노력이 중 요해지면서, 학생들의 관점에서 효과적인 학습방법에 대한 연구가 계속되고 있다. 특히, 생성형 AI 기술이 발전함에 따라, 이를 활용한 청년층 대상 세계시민교육 제공의 가능성이 주목받고 있다. 본 연구에서는 UN 아카데믹 임팩트 (UNAI)의 주요 지속가능한 도시공간 조성을 주제로 한 인공지능 교육 프로그램을 실시하고 이를 실증적으로 분석하 였다. 그 결과, 참여한 학생들 사이에서 글로벌 시민 AI 교육과 관련된 높은 수준의 문해력과 이해도, 만족도, 추천의 도가 확인되었다. 또한, 챗지피티(ChatGPT)와 미드저니(Midjourney), 스테이블 디퓨전(Stable Diffusion) 등 이미지 AI로 창작된 작품의 게시, 열람 및 실시간 토론 과정을 통해 디지털 상호작용이 강화되었음을 확인했다. 이러한 사례 들을 통해, 창의적 사고, 협력적 성장 및 분석 능력을 증진시킬 수 있는 HTHT 교육과정 개발을 제안하고자 한다.

Amidst the global challenges of climate crisis, warfare, and escalating inequality, the pursuit of achieving the United Nations Sustainable Development Goals (SDGs) has become increasingly imperative. Consequently, research into effective pedagogical methodologies from the student perspective continues to gain momentum. Particularly, with the advancement of generative AI technologies, the potential for leveraging such tools in providing global citizenship education to the youth is garnering attention. This study implemented and emphatically analyzed an artificial intelligence educational program focused on the creation of sustainable urban spaces under the UN Academic Impact(UNAI). The findings indicated a high level of literacy pertaining to global citizen AI education, evidenced by increased interest, satisfaction, and recommendation intention. Furthermore, the study observed an enhancement in digital interactions through the processes of posting, viewing, and real-time discussions of the created works with Generative AI such as the ChatGPT, Midjourney, and Stable Diffusion. Through these instances, the study proposes the development of HTHT curricula that enhance creative thinking, collaborative growth, and analytical capabilities.