AI 가상피팅 서비스는 온라인 쇼핑의 새로운 소비 경험을 제공하는 핵심 기술로 주목받고 있다. AI 가상피팅 서비스의 활용이 확대되고 있음에도 불구하고, 소비자의 사용의도에 영향을 미치는 요인에 대한 실증연구는 아직 부족한 실정이다. 이에 본 연구는 UTAUT2를 기반으로 AI 가상피팅 서비스 사용의도에 영향을 미치는 선행요인을 확인하고자 하였다. 이를 위해 성과기대, 노력기대, 사회적 영향, 촉진조건, 쾌락적 동기, 습관, 지각된 가치를 주요 선행요인으로 설정하고, AI 서비스 환경에서 중요한 요인으로 제시되는 신뢰를 함께 고려하여 이들 요인이 AI 가상피팅 서비스 사용의도에 미치는 영향을 분석하고자 하였다. 본 연구는 AI 가상피팅 서비스에 대한 기술수용 과정을 이해하고, AI 가상피팅 서비스의 효과적인 운영과 활성화를 위한 시사점을 제공할 것으로 기대된다.

이 논문은 대학생의 인공지능(AI)에 대한 긍정 인식이 어떤 요인에 의해 형성되는지를 다중회귀분석으로 규명한다. AI 관련 교양수업 수강생 139명의 자료를 대상으로, AI 리터러시·이해도·사용경험과 AI가 개인·사회에 미칠 영향에 대한 인식 5종을 예측변수로 투입하였다. 분석 결과 AI 사용경험(β=.318, p<.001)과 AI가 인류에 기여할 것이라는 기대(β=.353, p<.001)가 긍정 인식에 유의한 정(+)의 영향을 미친 반면, AI 이해도는 유의한 부(−)의 영향(β=−.186, p<.05)을 보였다(R²=.593). 또한 AI 긍정 인식(β=.774, p<.001)은 AI 사용 확대 의도의 압도적 예측요인이었으며(R²=.592), 전공 계열에 따라 긍정 인식에 유의한 차이가 나타났다(F=4.50, p<.05). 본 연구는 대학생의 AI 긍정 인식이 지식보다 체험과 사회적 비전에 의해 형성됨을 시사하며, 체험·비전 기반 AI 교양교육 설계에 함의를 제공한다.

생성형 AI 기반 검색의 확산으로 기업의 온라인 가시성은 검색순위를 넘어 생성형 답변에서 기업과 콘텐츠가 어떻게 활용·인용·표현되는가의 문제로 확대되고 있다. 본 연구는 GEO 관련 문헌을 체계적으로 검토하여 콘텐츠 전략, 생성형 엔진의 작동 메커니즘, 성과와 측정을 통합하였다. Scopus, arXiv, ACM Digital Library, IEEE Xplore에서 확보한 90편 중 선정기준을 충족한 22편을 분석하였다. 분석 결과, 콘텐츠 전략은 주제·엔터티 명확화, 정보수요 중심 기획, 구조화·모듈화, 검증 가능한 근거, 정보 일관성으로 정리되었다. 가시성은 질의 해석부터 출처 인용까지의 단계적 선택과정에서 형성되며, 성과는 발견·노출, 인용·답변 기여, 브랜드 표현, 사업성과의 네 수준으로 구분되었다.

Physiological signal-based emotion recognition supports affective computing by measuring internal responses that may not be apparent through speechfacial expressions. This survey reviews neural network models for EEG-based emotion recognition, while also briefly covering other peripheral physiological signals, including ECG, EDA/GSR, PPG, EMG, and related biosignals. It also provides a comprehensive overview of convolutional neural networks, recurrent neural networks for time-series data, graph neural networks, attention-based models, Transformers, and multimodal networks. Key challenges include signal noise, limited labeled data, inter-subject variability, evaluation bias, and model interpretability.

패스트패션 산업에서 상품-매장 단위의 정확한 수요 예측은 매장별 재고 배분과 판매 전략 수립을 위해 중요하다. 그러나 신상품은 과거 판매 이력이 존재하지 않아 기존 판매 시계열 데이터 기반의 수요 예측이 어렵다. 이를 보완하기 위해 상품 이미지, 텍스트 메타데이터 및 상품 키워드에 대한 과거 검색 관심도를 활용하는 멀티모달 예측 방법이 사용된다. 본 연구에서는 특정 모달리티를 쿼리로 설정하고, 이를 중심으로 다른 모달리티의 기여도를 조절하여 융합하는 Query-Gated Modulation Fusion(QGM-Fusion) 구조를 제안한다. 실험 결과, 텍스트 메타데이터를 쿼리로 설정했을 때 가장 우수한 예측 성능을 보였다. 이는 텍스트 정보에 상품 속성과 매장 정보가 포함되어 있어 상품–매장 쌍의 수요 특성을 효과적으로 반영하기 때문으로 분석된다. 상품 이미지를 쿼리로 설정한 경우에는 두 번째로 높은 성능을 기록하였으며, 이는 상품의 시각적 요소가 고객의 구매 결정과 수요 예측에 중요한 정보로 작용함을 시사한다.

헤드라인이나 캡션과 같이 압축된 텍스트를 기반으로 뉴스를 분류하는 것은 문맥 부족 현상으로 인해 어려운 과제이다. 기사와 무관한 시각적 노이즈의 추가로, 기존의 융합 모델들은 의미론적 초점을 잃고 성능 저하를 겪게 된다. 본 연구에서는 멀티모달 융합 과정에서 기사의 핵심 문맥과 관련 없는 시각적 노이즈가 무분별하게 통합되어 분류 성능을 저하시키는 문제를 해결하기 위해 Entity-Aware Gated Language-vision Engine (EAGLE)을 제안한다. EAGLE은 개체명 인식(NER)을 활용하여 정보가 제한된 텍스트 내에 확고한 의미론적 메커니즘을 구축한다. 이후 양방향 크로스 어텐션 메커니즘을 통해 개체들을 시각적 객체와 정렬하고, 비대칭 게이팅 모듈이 시각적 노이즈를 동적으로 필터링한다. N24News 데이터셋을 이용해 실험한 결과, EAGLE은 짧은 텍스트 환경에서 높은 성능 향상을 보였으며, 베이스라인 모델 대비 F1-Score를 헤드라인에서 최대 15.73%, 캡션에서 최대 14.52% 향상시켰다.

자연 영상으로 학습된 diffusion model이 별도의 추가 학습 없이 내시경 영상의 가려진 영역을 복원할 수 있음을 확인했다. 그러나 생성된 결과가 실제 조직과 얼마나 일치하는지는 가려진 영역의 크기와 형태에 따라 달라질 수 있다. 본 연구는 내시경 영상에 면적과 형상을 통제한 도구 마스크를 적용하여 Stable Diffusion의 zero-shot 내시경 영상 복원 특성을 분석하였다. 실험 결과, 마스크 면적이 증가할수록 실제 영상과의 복원 오차가 전반적으로 증가하였다. 또한 면적이 같더라도 길고 얇은 마스크보다 중심부가 넓고 깊게 형성되는 마스크에서 복원 성능이 더 크게 저하되는 경향을 보였다. 이는 자연 영상 diffusion prior의 zero-shot 복원 성능을 평가할 때, 마스크의 면적뿐 아니라 마스크의 형상도 함께 고려해야 함을 보여준다.

본 연구는 프로그래밍 능력과 아트 리소스 없이도 생성형 AI와의 협업으로 빠르게 재미 검증이 가능한 게임 프로토타이핑 파이프라인을 제안한다. 이 파이프라인은 컨셉–기획–프로토타입 검증의 세 단계 아래 일곱개 하위 업무로 구성되며, 재미의 판단 권한을 사람이 유지하는 인간 주도 협업, 기획서.md를 단일 기준으로 삼는 문서 매개 핸드오프, AI의 기술 검증과 사람의 재미 검증 분리를 설계 원칙으로 한다. 이를 FPS 리듬게임 <RhythmAim> 제작에 실제 적용한 결과, 코드를 작성하지 않고도 약 30분 만에 자연어 아이디어에서 조작 가능한 HTML 프로토타입에 도달하였으며, 외부 에셋 없이 시각·음향 요소 전체가 생성되었다. AI가 기술적 완결성을 자체 검증한 뒤 사람이 직접 플레이하여 재미 검증 또한 가능하였다. 본 파이프라인은 1인 개발자가 게임 시장 진입 전에 자신의 아이디어를 저비용으로 빠르게 검증하는 AI 협업 툴로서 의의를 갖는다.

척추 후종인대에 비정상적 골화가 발생하면 척수와 신경근이 압박되어 다양한 신경학적 증상이 나타날 수 있다. 이러한 후종인대골화증(Ossification of the Posterior Longitudinal Ligament, OPLL)의 병변 범위와 형태를 정량적으로 평가하기 위해서는 전산화 단층촬영 영상에서 병변을 정확하게 분할하는 과정이 필요하다. 본 연구에서는 OPLL 자동 분할에 적합한 모델을 탐색하기 위해 동일한 평가 조건에서 3D U-Net, SegResNetVAE 및 3D TransUNet의 성능을 비교하였다. 그 결과, 3D U-Net은 병변의 범위와 불규칙한 경계를 비교적 우수하게 분할하여 다른 모델보다 상대적으로 높은 성능을 나타냈다. 이를 통해 본 연구 조건에서 작은 OPLL 병변의 세부 위치와 경계 정보를 직접 전달하는 3D U-Net이 상대적으로 우수한 분할 성능을 보임을 확인하였다.

본 연구에서는 직접 볼륨 렌더링 환경에서 관심 영역을 정교하게 식별하기 위해 암시 신경 표현 특징의 유효성을 검증한다. 기존 지역 특징 방식은 국소 정보에만 의존하여 전역적 공간 맥락을 반영하지 못하고 차폐 영역이나 유사 intensity 구분에 한계를 보인다. 이를 극복하는 방안으로서 공간적 맥락을 학습한 INR 특징 기반 클러스터링의 효용성을 기존 방식과 비교 평가한다. 실험 결과, INR 특징은 가려지거나 유사한 intensity 구조 내의 관심 영역을 효과적으로 포착하였다.

깊이 맵은 장면의 공간적 거리와 기하 구조를 표현하는 핵심 정보로, 혼합현실(Mixed Reality, MR) 환경에서 가상 객체의 배치와 자연스러운 가림을 구현하는 데 중요하다. 그러나 Galaxy XR의 내장 깊이 센서는 RGB 영상과의 정합 오차가 발생할 수 있으며, 객체 경계와 원거리 구조가 불명확하게 표현될 수 있다. 본 연구에서는 이러한 한계에 주목하여 Intel RealSense L515로 획득한 깊이 맵을 Ground Truth(GT)로 사용하고, Galaxy XR 깊이 맵과 Depth Anything 3(DA3), Depth Pro 및 UniDepthV2의 깊이 추정 성능을 정성적·정량적으로 비교하였다. 실험 결과, DA3와 Depth Pro는 Galaxy XR보다 낮은 깊이 오차를 기록하면서도 정확도에서는 이에 비견되는 성능을 보였으며, 객체 경계와 세부 구조를 더욱 선명하게 표현하였다. 이러한 결과는 DA3와 Depth Pro가 별도의 RGB–깊이 센서 정합 없이도 MR 환경에서 내장 깊이 센서의 한계를 보완하는 대안으로 활용될 가능성이 있음을 보여준다.

프리비즈(Previs) 연구가 축적된 것과 달리, 테크비즈(Techvis)에 관한 학술적 논의는 찾아보기 어렵다. 본 연구는 마야(Maya) 기반 테크비즈가 대규모 VFX 영화의 공간(미술)·촬영 절차(카메라) 최적화에 기여하는 바를, 연구자가 직접 참여한 영화 <전지적독자시점>의 화룡 전투 시퀀스를 통해 규명한다. 분석 결과 테크비즈는 현장의 시행 착오를 사전에 통제하는 방식으로 기여함을 확인 하였다.

시민 참여형 디지털 아카이브는 시민이 직접 기록을 생산하고 공유하는 플랫폼으로 이해되어 왔으나, 단순한 기록 등록 기능의 존재만으로 실질적인 참여가 이루어졌다고 보기는 어렵다. 기록을 단순 제출하는 행위와 기록의 의미를 규정하고 공개 여부를 결정하는 행위는 엄연히 다른 수준의 참여이기 때문이다. 이에 본 연구는 익산시민역사기록관의 커뮤니티 매핑 서비스인 「함께 만드는 지도」를 대상으로 Davis와 Chouinard의 어포던스 메커니즘을 적용하여, 시민이 기록 생산의 제출·기술·공개 3단계 중 어느 수준까지 참여하고 있는지를 분석하였다. 분석 결과, 시민은 기록의 '제출' 단계에는 참여할 수 있었으나, '기술(분류 체계)' 및 '공개 여부'를 결정하는 과정에서는 배제되어 있음이 확인되었다. 이러한 결과는 시민 참여형 디지털 아카이브에서 실질적 참여를 도모하기 위해서는 단순히 등록 기능을 제공하는 것을 넘어 기록 생산 전 과정에서의 결정권 배분 구조를 함께 고려해야 함을 시사한다.

본 연구는 지방자치단체 출연기관인 문화재단이 상이한 예산제도 하에서 공공재원으로 문화예술사업을 수행할 때 발생하는 예산회계상의 한계와 쟁점을 분석하고 개선 방안을 제시하는 데 목적이 있다. 현행 ‘행정안전부 지방 출자·출연기관 예산편성 지침’ 등의 예산운영과 예산과목은 문화예술사업의 특수성을 충분히 반영하지 못해 현장에서 감사지적 등 실무와의 마찰을 야기하고 있다. 이에 본 연구는 첫째, 문화예술 행사를 위한 독립된 예산 목 신설 및 세목 편성, 둘째, 문화예술 특성에 맞춘 예산과목 개정과 포괄적 세목 설정과 보템e 예산과목과의 일치. 셋째, 예고 없이 배정되는 지원금의 신속 집행을 위한 간주예산 제도 허용 등 세 가지 개선 방안을 제안하며, 이는 향후 예산편성지침 개정의 기초자료로 활용될 수 있을 것으로 기대된다.

디지털 기술과 소셜미디어의 확산은 전시 관람을 단순한 작품 감상에서 벗어나, 개인이 경험을 직접 기록하고 나누는 활동으로 변화시켰다. 본 연구는 이러한 변화 속에서 전시 경험의 구조가 ‘관람-기록-공유’라는 연속적 과정으로 재구성되는 현상을 탐구하고자 하였다. 이를 위해 몰입형, 참여형, 인증 유도형 전시 등 다양한 사례를 분석하여 관람객들의 역할과 관람 과정, 그리고 전시 공간 구성의 변화를 다각도로 검토하였다. 분석 결과, 관람객은 과거의 수동적 소비자에서 ‘자신의 경험을 적극적으로 생산하고 공유하는 주체’로 변모하였으며, 전시 공간 역시 단순한 정보 전달 장소를 넘어 ‘참여와 소통이 일어나는 공간’으로 확장되었음을 확인하였다. 본 연구는 이처럼 변용된 전시 관람 문화의 구조를 체계적으로 정립함으로써, 향후 문화기관이 소셜미디어 환경에 부합하는 전시 설계 전략을 수립하는 데 유용한 기초 자료를 제공하고자 한다.

한국 근현대미술의 거장 백영수의 생애와 작품 세계가 집약된 백영수미술관은 역사적 장소성을 지닌 공간으로, 최근 미술관 일대의 재개발로 인한 공간 이동에 대응해 시립화를 추진하고 있다. 미술관이 소장한 약 2,750여 점의 작품과 사료는 의정부시의 고유한 예술 자산인 만큼, 사립의 한계를 넘어선 공공의 조속한 개입과 영구 보존 조치가 시급하다. 이에 본 연구는 역사적 자산으로서 미술관의 보존 필요성을 피력하고, 공간과 아카이브를 효과적으로 복원·보존하기 위한 '디지털 트윈(Digital Twin) 기반의 기억 보존 모델'을 제안하였다. 본 연구는 백영수미술관의 공공성을 확보하여 성공적인 시립미술관 전환을 도모하고, 향후 지역 미술관의 지속 가능한 학술 거점 구축에 기여하고자 한다.

생성형 AI 도구의 빠른 발전 속도로 인해 성능과 기능이 짧은 주기로 갱신되고 있다. 따라서 개별 모델의 특성이나 성능을 기준으로 한 도입 판단은 빠르게 무효화된다. 이에 본 연구는 3D 애니메이션 표준 제작 파이프라인의 각 공정에서 생성형 AI의 활용 양상을 역할(생성/보조), 기여 성격(창의적 확장/효율성 향상), 실무 성숙도의 세 지표로 판단하는 분류 틀을 제안한다. 특히 기여 성격의 판정 기준으로 ‘우연성 허용도’를 도입하여, 목표가 확정되지 않은 공정에서 선택지를 넓히는 자산으로 작동하는 확률적 변이와 목표가 확정된 공정에서는 오차로 작동함을 구분하였다. 이 기준을 적용하면 도입 위험 구간이 ‘우연성 불허 × 확률적 생성’의 교집합이 도출되며, 이는 실무에서 난점이 반복 보고되는 스토리보드·애니매틱·애니메이션 공정과 일치한다. 본 연구가 제안하는 틀은 개별 모델이 아니라 공정 구조를 기준으로 하므로 도구가 교체되어도 재적용이 가능하다는 점에서 의의가 있다.

3D Gaussian Splatting(3DGS)과 같이 실제 장면을 촬영하여 복원하는 3차원 표현이 실감 미디어의 핵심 기술로 자리 잡으면서, 복원된 색이 원본을 얼마나 충실하게 재현하는지 평가할 필요성이 커지고 있다. 그러나 3차원 콘텐츠 제작 분야에서는 3D 데이터에 고유한 원본 색상이 없어 색 관리를 적용하기 어렵다고 여겨져 왔으며, 실제로 3D 모델이 측색학적 품질에 대한 고려 없이 구축되는 경우가 많고 색 처리의 표준 절차도 마련되어 있지 않다는 지적이 이어져 왔다. 본 논문에서는 이러한 인식이 타당한 범위와 그렇지 않은 범위를 구분하기 위해, 3차원 표현의 색 의미론을 원본의 존재 여부, 색 데이터의 내용, 색 값의 기준점이라는 세 가지 기준으로 나누어 살펴본다. 이 기준에 따라 메시+텍스처, 포인트 클라우드, NeRF, 3DGS, 인버스 렌더링 3DGS의 다섯 가지 대표적 표현을 배치한 분류 매트릭스를 제시하고, 각 표현에서 측색학적 색 충실도 평가가 성립하는지를 검토한다. 분류 결과, 평가가 성립하는지는 표현 형식이 아니라 실측할 수 있는 원본이 있는지에 달려 있고, 무엇을 어떻게 평가할지는 나머지 두 기준이 정한다는 점을 밝힌다. 나아가 ColorChecker와 CIEDE2000 색차에 기반한 3DGS 색 충실도 평가 사례를 분류 매트릭스 위에 배치하여 제안한 분류가 실제 평가 설계로 이어질 수 있음을 확인한다. 본 분류가 실감 미디어 품질 평가 연구에서 다룰 대상과 방법을 명확히 하는 출발점이 되기를 기대한다.

최근 AI, AR, VR, 메타버스 등 다양한 디지털 기술이 미술관 교육에 도입되면서 관람객의 참여 방식과 학습 환경에 커다란 변화가 나타나고 있다. 디지털 기술은 관람객의 접근성과 참여도를 높이고, 개인 맞춤형 정보와 상호작용 중심의 환경을 제공함으로써 몰입감 있는 학습 경험과 미술관 교육의 새로운 가능성을 제시하였다. 그러나 현재 대부분의 미술관이 이용자 수나 참여율 등 양적 지표 중심으로 성과를 평가하고 있어 질적 교육 효과에 대한 검증은 미흡하며, 디지털 격차, 운영 비용 부담, 실물 작품과의 상호작용 약화라는 현실적 한계도 확인되었다. 따라서 디지털 기술은 교육의 목적 자체가 아닌 교육 목표를 실현하기 위한 ‘수단’으로 활용되어야 한다. 향후 미술관 교육은 교육 목적 중심의 콘텐츠 설계, 체계적인 학습 효과 평가, 그리고 ‘디지털과 대면 교육의 균형 있는 융합’을 향해 나아가야 한다.

기존 영상 기반 실내 혼잡도 분석 시스템은 사람 검출과 밀도 계산을 통해 혼잡 관측값을 지속적으로 산출할 수 있다. 그러나 연속 영상의 모든 구간에서 대규모 언어 모델(LLM)을 호출하면 정상 구간에도 비용과 응답 지연이 누적된다. 본 연구는 기존 혼잡도 분석 파이프라인을 확장하여, 규칙 기반 혼잡 이벤트가 발생한 구간에서만 텍스트 LLM을 호출하는 선택적 호출 구조를 제안한다. 인지 계층은 모든 구간에서 사람 검출·추적과 구역별 밀도, 속도 및 변화 추세를 계산하며, LLM은 영상을 직접 분석하지 않고 전달된 관측값을 바탕으로 혼잡 상태와 대응 수준을 단발성으로 판정한다. 제안 방식은 always-call 방식과 비교하여 호출 감소 효과를 측정하고, 선택된 구간과 선택되지 않은 구간의 LLM 출력 분포를 함께 분석한다. 실험 결과, 400개 구간 중 101개에서만 LLM이 호출되어 always-call 대비 호출량이 74.8% 감소했으며, 선택·미선택 구간에서 서로 다른 LLM 출력 분포가 나타났다.

최근 대안공간, 레지던시, 공공지원사업뿐만 아니라 온라인 플랫폼 등 작가의 발굴 및 육성 경로가 다각화됨에 따라, 전통적인 미술시장 매개자였던 상업갤러리의 역할도 새롭게 재정립될 필요성이 제기되고 있다. 이에 본 연구는 작가와 장기적인 협력관계를 구축하고 있는 국내 상업갤러리의 성공 사례 세 건을 바탕으로, 갤러리가 작가의 경력 형성 과정에 어떠한 방식으로 관여하였는지를 비교 분석하였다. 분석의 이론적 틀로는 베커의 예술계론과 부르디외의 상징자본 개념을 적용하여 관계 형성, 창작 지원, 작품 가치화, 그리고 시장 연결과 경력 확장이라는 주요 항목을 중심으로 고찰하였다. 분석 결과, 각 사례마다 구체적인 지원 방식에는 차이가 존재했으나 제작과 전시, 비평과 기록, 그리고 컬렉터 및 외부 기관과의 연결이 장기적인 협력 구조 속에서 유기적으로 수렴되었다는 공통점이 확인되었다. 이러한 결과를 바탕으로, 향후 상업갤러리는 작가와의 관계를 단계적으로 확대해 나가는 한편, 다양한 외부 경로에서 형성된 작가의 경력을 지속적인 작품 유통과 국내외 예술 활동으로 연결하는 통합적인 육성 전략을 마련해야 함을 제시하였다.

사립뮤지엄은 국공립뮤지엄에 비해 공적 재원 확보에 한계가 있어 지속가능한 운영을 위한 안정적인 재원 마련이 중요한 과제로 대두되고 있다. 이에 해외 주요 뮤지엄은 멤버십(Membership) 제도를 단순한 회원 서비스가 아닌 장기적인 후원자(Donor) 육성을 위한 관계관리 전략으로 활용하고 있으나, 국내에서는 멤버십과 후원의 연계에 관한 연구가 미흡한 실정이다. 본 연구는 사립뮤지엄의 지속가능경영 관점에서 멤버십 회원과 후원자의 개념적 차이를 고찰하고, 멤버십 회원이 후원자로 전환되는 과정을 설명하는 개념적 모형을 제안하는 것을 목적으로 한다. 이를 위해 국내외 선행연구와 뮤지엄 사례를 중심으로 문헌연구를 수행하였으며, 멤버십 회원의 후원자 전환 과정을 관계 형성의 관점에서 탐색하였다. 본 연구는 사립뮤지엄의 후원자 개발 전략에 대한 이론적 기초를 마련하고, 향후 후원자 전환 영향요인에 관한 실증연구의 기반을 제공할 것으로 기대된다.

보행 로봇은 재난 대응, 국방, 물류, 의료 등 다양한 분야의 핵심 기술로 주목받고 있으나, 연구 동향과 주제 변화를 통합적으로 분석한 연구는 부족하다. 본 연구는 2016~2025년 SCOPUS에 수록된 보행 로봇 관련 논문 2,044편을 대상으로 계량서지분석과 LDA 토픽 모델링을 수행하여 연구 동향을 분석하였다. 분석 결과, 후기(2021~2025)의 논문 수는 전기 대비 44.5% 증가하였으며, 중국은 연구 생산성을, 미국은 연구 영향력(CPP 27.9, h-index 38)과 국제협력을 주도하는 것으로 나타났다. 또한 동역학·제어 중심 토픽의 비중은 감소한 반면, 인간-로봇 상호작용 및 응용 중심 토픽은 크게 증가하여 연구 패러다임의 전환이 확인되었다. 본 연구는 보행 로봇이 실험실 중심의 기초기술에서 산업·서비스 적용 플랫폼으로 진화하고 있음을 제시하며, AI 기반 자율보행과 인간-로봇 상호작용 중심의 연구개발 지원 필요성을 시사한다.

본 연구는 디지털 네이티브 세대의 미디어 소비 환경 변화에 발맞추어, 고전 영화 지식재산권(IP)의 현대적 재창작을 위한 딥페이크(Deepfake) 및 디에이징(De-aging) 생성형 AI 기술의 활용 방안을 고찰한다. 기존의 고전 영화 복원은 주로 화질 개선과 색보정에 집중되어 있어, 현대 관객이 체감하는 시각적 낯섦이나 배우의 외형적 거리감을 해소하기에 한계가 있었다. 본 연구는 고전 영화의 현대적 재창작에서 생성형 AI, 특히 딥페이크와 디에이징 기술의 활용 가능성을 고찰하는 데 목적이 있다. 이러한 기술은 영화 원작의 정체성을 유지하면서도 동시대 관객의 시청 습관과 플랫폼 환경에 맞는 새로운 트레일러 형식을 제작할 수 있도록 한다. 또한 AI가 단순 보정 기술이 아니라, 서사 재구성·스타 이미지 복원·정서적 몰입 강화에 기여하는 핵심 도구가 될 수 있음을 논의한다.

본 연구는 최근 발표된 AI 기반 Virtual Pet 관련 연구를 대상으로 연구 동향을 분석하였다. 분석 대상 연구를 구현 및 평가와 활용 확장의 두 가지 유형으로 구분하여 주요 연구 내용과 특징을 분석하였다. 분석 결과, 구현 및 평가 연구는 대규모 언어모델과 감정 인식 기술을 활용한 상호작용 구현과 성능 평가를 중심으로 이루어지고 있었으며, 활용 확장 연구는 건강관리, 사회적 상호작용, 정서 지원 등 다양한 분야에서 Virtual Pet의 활용 가능성을 탐색하는 방향으로 전개되고 있었다. 이와 같은 결과는 생성형 인공지능 기술의 발전과 함께 Virtual Pet 연구가 기술 구현을 넘어 다양한 활용 분야로 확장되고 있으며, 사용자 중심의 맞춤형 서비스와 디지털 환경 변화에 따른 새로운 상호작용 요구를 반영하고 있음을 시사한다. 본 연구는 최근 AI 기반 Virtual Pet 연구의 주요 흐름과 특징을 체계적으로 정리하였다는 점에서 의의가 있다.

본 연구는 마이크로니들 연구의 양적 성장과 핵심 연구주제의 구성을 함께 파악하기 위해 2001년부터 2025년까지 Scopus에 등재된 영문 연구논문 2,844편을 대상으로 계량서지분석과 LDA 토픽 모델링을 수행하였다. 분석 결과, 2020~2025년의 논문이 전체의 69.5%를 차지하여 최근 연구 축적이 크게 가속된 것으로 나타났다. 상위 학술지에는 약물전달·제약 분야와 재료·화학공학 분야 저널이 함께 포함되었다. LDA 분석에서는 구조·제조, 백신·창상, 센서·모니터링, 임상 적용, 약물방출·치료의 다섯 토픽이 도출되었다. 시기별로는 구조·경피전달 토픽의 비중이 감소한 반면, 백신, 센서 및 치료 관련 토픽은 증가하였다. 이는 마이크로니들 연구가 기반기술 중심에서 다양한 응용 분야가 공존하는 연구구조로 확장되고 있음을 보여준다.

디지털 기술의 발전으로 미술관의 온라인 소장품 공개가 확대되었으나, 전문적 분류 언어 중심의 기존 검색 시스템은 감정과 경험의 언어로 작품을 탐색하는 비전공 일반 관람객에게 여전히 접근의 장벽이 되고 있다. 특히 장르의 경계를 넘나드는 현대미술의 특성으로 인해 전통적인 카테고리 기반 검색의 한계는 더욱 심화되는 추세이다. 이에 본 연구는 일반 관람객의 문화 접근성 향상을 목적으로 자연어·감정 기반 검색, 이미지 검색, 대화형 검색 보조 인터페이스를 갖춘 ‘미술관 전용 AI 기반 작품 검색 시스템’의 설계 방향을 제안하였다. 나아가 시스템 운용 시 발생할 수 있는 작품 해석 왜곡과 알고리즘 편향 등 윤리적 위험에 대응하기 위해 큐레이터와 AI 간의 협력 모델을 구축해야 함을 강조하였다.

본 연구는 FDM 방식 3D 프린팅 조각의 물리·개념적 한계를 극복하기 위해 디지털과 아날로그 기법을 결합한 하이브리드 기법의 가능성을 탐구한다. 이를 위해 3D 프린팅 조각의 현주소와 한계를 진단하고 제니퍼 와일러(Jennifer Weiler)의 논의를 바탕으로 동시대 하이브리드 조각가들의 사례를 살펴보았다. 또한 FDM PLA 3D 프린팅 공정에 포일 스탬핑(foil stamping) 후가공을 결합한 조각 사례를 중심으로 디지털 적층 공정의 시간성과 노동성의 결합 과정을 분석하였다. 두 기술의 융합을 통해 디지털 조각이 가진 한계의 극복 방안과 예술적 개념의 확장을 확인하였다. 이러한 결과는 하이브리드 제작 방식이 3D 프린팅 조각의 예술적 깊이를 확보할 수 있는 대안으로 제시될 수 있음을 시사한다.

공연·전시·중계와 같은 다중 카메라 환경에서 한 대의 카메라가 가려지면 그 순간의 장면은 영구히 소실된다. 본 논문은 고정 PTZ 카메라들이 서로 다른 관심영역(ROI)에만 부분 도달하는 조건에서, 영상만으로 가림을 감지해 카메라–ROI 배정을 협조적으로 재구성하는 정책 GazeRelay를 제안한다. 공유 쌍 점수화기가 ORB 가시성 신호로 도달 가능한 쌍만 점수화해 순차 선점하므로, 하나의 가중치가 카메라 수와 ROI 수가 다른 위상에 재사용된다. 렌더링 3×3, 5×5, 6×6 구성에서 제안 정책은 특권 정보 기준 대비 각각 99%, 84%, 91%의 반환값을 달성하였고, 동일 가중치가 재학습 없이 3카메라 물리 시스템으로 전이되었다.

다기관 장기추적 바이오메디컬 융합데이터는 전주기 출처 추적(Provenance)과 지식재산(IP) 연계가 중요하나, 기존 중앙집중형 방식은 독립적 검증에 한계가 있다. 본 연구는 원본 데이터를 오프체인에 격리하고 온체인에는 머클 루트와 거버넌스 메타데이터만 기록하는 하이브리드형 Blockchain-NFT 기반 정보거버넌스 프레임워크를 제안한다. DP-NFT·RIP-NFT 이중 구조, 규제적 하드게이트가 통합된 다중 증명 수집 모델, 다중서명 기반 긴급 정지(Emergency Pause) 메커니즘을 구현하였다. 합성 데이터 1,000건 기반 시뮬레이션 결과, 제안 모델은 정상군과 위변조군을 통계적으로 유의하게 판별하였으며(p < 0.001), 최적 임계값에서 ROC AUC 0.973을 달성하고 기존 방식 대비 공격 미탐율을 58.0%에서 12.0%로 감소시켰다.

본 연구는 생성형 AI 기술의 발전에 따른 미디어아트의 변화를 고찰하고 실감형 미디어아트에 적용 가능한 시각적 표현기법을 분석하는 것을 목적으로 한다. 생성형 AI는 영상 제작 방식을 알고리즘 기반 생성 체계로 전환하지만 프레임 간 플리커, 형태 왜곡, 시공간적 일관성 부족 등의 한계를 지닌다. 이에 본 연구는 생성형 AI 기반의 실감형 미디어 아트 사례를 중심으로 공간 구성, 데이터 시각화, 몰입감 등의 시각적 표현 특성을 분석한다. 생성형 AI 제어기법을 아나모픽 일루전, 심리스 루핑, 공간 연출기법과 연계하여 실감형 미디어아트의 시각적 표현기법을 고찰하였다. 생성형 AI의 비결정론적 특성을 효과적으로 제어함으로써 시공간적 일관성과 몰입감을 향상시킬 수 있으며 실감형 미디어아트 제작을 위한 시각적 표현기법의 학술적·실천적 기반을 제시하고 있다.

LLM 기반 자동 더빙 파이프라인은 단방향 고정 구조로, 예능 콘텐츠 특유의 밈·유행어, 화자 고유 말투, 발화 길이 제약을 일관되게 처리하지 못한다. 본 논문은 이를 번역 성능이 아니라 에이전트의 의사결정 문제로 재정의하고, 발화 유형에 따라 언제 지식을 검색하고 화자 페르소나 기억을 참조하며, 검증·재번역할 것인지를 결정하는 적응적 프레임워크(라우터, 이종 지식원, 검증-수정 루프)를 제안한다. 실제 예능 414발화와 통제 모사 에피소드의 한→영·일 더빙 실험에서, 제안 기법은 LLM 평가·전문가 자막 참조 대비 품질의 손실 없이 발화 길이 준수율을 상시 검색(RAG) 대비 6.7%~8.9%p(통제 실험 최대 23.3%p) 개선하고 API 비용을 20~30% 절감하였다.

본 연구는 일본 나오시마 사례를 통해 문화예술 기반 섬 활성화의 성공 요인을 살펴보고, 국내 섬 정책에 적용할 시사점을 도출하는 데 목적이 있다. 국내외 선행 연구와 관련 기관의 공개 자료를 토대로 문헌 연구와 단일 사례 분석을 수행했으며, 장소성·문화 콘텐츠·거버넌스를 주요 분석 영역으로 설정하였다. 분석 결과, 나오시마의 변화는 세 가지 요인이 장기간 맞물려 작동한 결과로 해석된다. 자연환경과 산업의 역사, 주민의 생활 공간을 예술·건축과 결합하여 장소의 고유성을 살렸으며, 베네세하우스·아트하우스 프로젝트·지중미술관·세토우치 국제예술제 등 상설 시설과 정기 프로그램을 꾸준히 조성하고 운영하였다. 베네세와 후쿠타케재단의 장기 투자를 바탕으로 지방정부·주민·예술가가 참여하는 협력 구조가 형성된 점도 중요한 조건이었다. 이 과정에서 나오시마는 산업 섬의 이미지를 벗고 예술 관광지로 자리 잡았으며, 관광객의 방문과 체류, 숙박·음식·교통 등 지역 소비 확대에도 영향을 미쳤다. 국내 섬 정책에서는 지역 고유 자원을 문화예술의 관점에서 재해석하고, 단기 행사 이후에도 운영할 수 있는 상설 콘텐츠를 마련해야 한다. 또한 민간의 전문 운영과 공공·주민 참여를 연결하는 협력 체계를 구축하고 체류형 관광을 확대할 필요가 있다. 다만 본 연구는 문헌 자료에 기초한 단일 사례 분석이라는 한계가 있다. 향후 국내외 섬 비교와 현장 조사를 통해 연구 결과를 실증적으로 검증해야 한다.

다중 에이전트 강화학습(Multi-Agent Reinforcement Learning, MARL)은 여러 에이전트가 동일한 환경에서 협력하거나 경쟁하며 행동 정책을 학습하는 방법이다. 본 연구에서는 Unity ML-Agents를 이용하여 팀 단위의 협력과 경쟁 행동을 관찰할 수 있는 2대2 방식의 3차원 피구 환경을 설계하였다. 제안 환경은 공의 획득과 투구, 피격에 따른 탈락, 팀 단위 승패 및 일시적 무적 아이템을 포함하며, 에이전트가 공격, 회피, 아이템 활용 및 팀원과의 공간 분담을 학습하도록 구성하였다. 에이전트 정책은 MA-POCA와 self-play를 이용하여 학습하였다. 또한 학습 결과를 관찰하여 정책에서 나타난 행동을 정성적으로 분석하였다. 일부 경기에서는 패스를 통해 공을 공격에 유리한 위치로 전달한 후 빠르게 공격하는 등 상황을 반영한 복합적인 협력행동 양상이 나타났다.

본 연구는 스토리텔링 기법을 활용한 보편적 평신도 기독교인의 생애사 전시가 미시적 차원에서 한국의 종교사를 이해하는 동시에 한국 근현대사의 공동체 기억을 재구성하는 재현의 장이 될 수 있음을 논의하였다. 기존 한국 기독교 전시는 주로 교단‧학교 등의 기관사와 선교사‧목회자‧순교자 중심의 인물사에 집중되어 있으며, 상대적으로 보편적 삶을 영위한 평신도 신앙인의 이야기는 역사적 조명에서 배제되어 왔다. 그러나 이 평신도들은 한국 기독교 인구의 절대 다수를 차지하는 계층이며, 한국 근현대사는 무명의 신앙인들이 겪은 전쟁, 가난, 노동, 이주, 민주화 경험 속에서 형성된 생활의 역사이기도 하다.본 연구는 이러한 기독교인의 다양한 방식의 생애사 진술을 종교적 신앙고백이자 역사적 증언으로 이해하고 미시사와 생애사 연구 방법론을 활용하여 개인의 기억 속에서 시대의 구조와 감정 체계를 읽어내고자 한다. 또한 스토리텔링 기반 전시 전략을 통해 이러한 기억을 관람객이 공감하고 체험할 수 있는 서사로 재구성하고, 참여형 전시 구조를 통해 관람객 스스로 공동체 기억 형성에 동참할 수 있는 전시 모델을 제안하고자 하였다.

본 연구는 종래 3D Gaussian Splatting (3DGS) 의 반복 학습 지연과 RGB 광도 종속성을 극복하는 결정론적 의료영상 가시화 프레임워크 - DVS Analytical Framework - 를 제안한다. 구조 텐서 기반 O(1) 폐쇄해 변환, Hounsfield Unit (HU) 독립 속성 보존을 통한 windowing 호환, MIP/DVR/CPR 다중 모드 통합 렌더링, 차등 양자화가 핵심 기여이다. 공개 데이터셋 43 례 평가에서 PSNR 21.75 dB, SSIM 0.665, HU-MAE 121.9 HU 를 기록하며 전 지표 Cohen's d > 1.0, p < 10⁻⁸ 의 통계적 유의성을 입증하였고, 에지 CPU 131 × 가속 (60 FPS) 과 36.3 × 압축을 동시 달성하였다.

본 연구는 Disco Elysium: The Final Cut의 게임 속 보드게임 Suzerainty를 대상으로, 승리 조건이 윤리적 긴장을 형성하는 방식을 분석한다. 분석 결과, Suzerainty는 노동자 복지와 공교육 같은 윤리적 선택을 낮은 효율이나 실패로 처리하는 반면, 자원 추출, 계약 이행, 기념물 건설은 고득점으로 보상한다. 이는 게임 내 유리한 선택과 윤리적으로 긍정적인 선택 사이의 괴리를 드러내며, 종주국 중심의 계산 논리가 놀이 규칙으로 구조화됨을 보여준다. 본 연구는 게임 속 게임이 단순한 부가 콘텐츠를 넘어 원작 세계관을 압축적으로 재현하고 비판적 성찰을 유도하는 매개로 기능할 수 있음을 제시한다.

심전도 기반 연령 추정(ECG-Age) 연구에서 딥러닝의 블랙박스 한계와 생성형 AI의 임상적 환각은 실제 의료 적용의 주요 제약 요인이다. 본 연구는 ECG에서 추출한 정량적 바이오마커를 구조화된 프롬프트 슬롯에 삽입하여 로컬 LLM이 실측 특징값에 근거한 임상 설명을 생성하도록 유도하는 통계 가이드형 프롬프팅(SGP) 기반 온프레미스 생성형 AI 프레임워크를 제안하였다. PTB-XL 데이터셋(유효 N=21,220)에서 Lead II 신호 기반 6개 바이오마커를 추출하고 3-seed × 5-Fold 교차검증을 수행하였다. XGBoost는 MAE 9.452±0.008년, R² 0.412±0.004로 최우수 성능을 기록하였으며, SHAP 분석에서 RMSSD(26.8%)와 SDNN(24.2%)이 주요 설명 변수로 확인되었다. 로컬 Llama 3 모델은 외부 데이터 전송 없이 ECG 특징 기반 임상 보고서를 생성하였다. 본 프레임워크는 설명가능성·신뢰성·데이터 주권을 고려한 의료 생성형 AI 설계의 초기 실증 사례로서 학술적 의의를 가진다.

우울증, 불안장애 등 정신질환 치료에서 상담이 중요하지만 사회적 낙인과 전문가 부족으로 접근성이 제한되며, 이를 보완하기 위해 정신건강 대화·상담 응답을 생성하는 LLM 애플리케이션 활용 시도가 늘고 있다. 이러한 LLM의 성능은 학습·평가 데이터셋의 규모와 질에 크게 좌우되므로, 본 연구는 Hugging Face Datasets에서 Mental, Counsel, Depression, Psychology 키워드로 한국어와 영어 텍스트 데이터셋의 수량 및 유형을 비교하였다. 그 결과 전 키워드에서 영어 데이터셋이 한국어 데이터셋을 크게 상회했으며, 데이터 구축 역시 한국어는 AI Hub에 집중된 반면, 영어권은 다양한 주체가 공개하고 있었다. 이러한 데이터 결핍은 향후 한국어 정신질환 챗봇 구축에 어려움을 줄 수 있다.

게임 밸런스는 게임의 재미와 지속성을 결정하는 핵심 요소이지만, 기존에는 개발자의 경험과 반복적인 플레이 테스트에 의존하였다. 본 연구에서는 2022~2026년에 발표된 AI 및 머신러닝 기반 게임 밸런스 생성·검증 기술을 조사하였다. 그 결과, RL, IL, ML Agent, LLM, MCTS, EA 등이 밸런스 자동화에 활용되었으며, 특히 LLM은 초기 휴리스틱 생성과 반복 최적화 효율성을 향상시키는 것으로 나타났다. 본 연구는 AI와 머신러닝 기반 게임 밸런스 생성·검증 기술의 최신 연구 동향을 정리하고 향후 연구 방향을 제시한다.

우리나라는 초고령사회에 진입하면서 독거노인의 정서적 고립과 돌봄 공백 문제가 중요한 사회적 과제로 대두되고 있다. 그러나 기존 AI 기반 돌봄 서비스는 제한적인 상호작용과 정서적 지원의 한계로 인해 고령자의 다양한 돌봄 요구를 충분히 반영하지 못하고 있다. 본 연구는 문헌고찰을 통해 기존 AI 돌봄 서비스의 한계를 분석하고 CASA(Computers Are Social Actors) 패러다임, 기술수용 이론, 상황인지 기반 서비스 설계 및 예측적 복지 연계에 관한 선행연구를 종합적으로 검토한다. 이를 바탕으로 생성형 AI 기반 노인 맞춤형 미디어 돌봄 서비스의 개념적 모델을 제안하는 것을 목적으로 한다. 이에 인간형 대화, 자율적 셀프케어 지원, 이용자 중심의 편의성, 예측적 복지 연계의 네 가지 핵심 구성 요소를 도출하고 통합 서비스 모델을 제안한다. 본 연구는 생성형 AI 기반 노인 돌봄 서비스의 설계 방향을 제시하고 향후 시스템 구현과 실증 연구를 위한 이론적 기반을 제공한다.

근대문화유산은 지역의 역사와 생활문화를 담고 있는 중요한 자산이자 지역 정체성과 공동체 기억을 형성하는 교육적 자원이다. 그러나 급속한 도시 개발과 시민 인식 부족으로 보존과 활용에 한계가 드러나면서, 지역 기반 근대문화유산을 활용한 시민교육의 필요성이 대두되고 있다.이에 본 연구는 대전 원도심의 근대문화유산에 주목하여, 문화유산 시민교육의 필요성과 교육적 활용 방안을 고찰하였다. 대전의 근대문화유산은 도시의 성찰과 공동체의 기억을 담은 핵심 자산으로서 탐방, 스토리텔링, 기록, 예술 활동과 연계한 체험 중심 교육 진행 시 높은 교육적 가치를 지님이 확인되었다. 이러한 시민참여형 교육은 시민의 보존 의식을 높이고 지역 정체성을 함양 할 뿐만 아니라, 문화예술 및 도시재생과의 연계를 통해 원도심 활성화에도 기여할 수 있다. 따라서 근대문화유산은 단순한 보존의 대상을 넘어 지속가능한 시민교육의 핵심 자원으로 활용되어야 하며, 이를 위해 지역사회 연계형 프로그램 개발과 시민참여 기반 확대가 적극적으로 추진되어야 한다.

Reliable reuse of multi-omics data requires life cycle–based quality management, yet modality-specific missingness and inconsistent sample identifiers introduce quality problems that surface only during integration. We performed a systematic quality assessment of multi-omics data by extending a clinical data life cycle quality management framework with the OMOP CDM DQD indicator hierarchy, defining 34 metrics across Completeness, Plausibility, and Conformance over FILE, COLUMN, and VALUE levels. Applied to a TCGA-BRCA dataset, the assessment quantitatively identified 15.59% and 4.77% missingness in DNA methylation and protein data, 1,910 and 23 columns exceeding a 30% missing-rate threshold, and a low cross-modality shared-sample rate (3.0%). These results show that a quality management framework established for clinical data can be systematically extended to multi-omics quality assessment.

본 연구는 PhysioNet 공개 데이터셋에서 과제 수행자료, 피부 전기 활동 및 동공 자료가 모두 유효한 31명을 대상으로, 반복적인 과제 유발 스트레스 상황에서의 과제 수행 변화와 생리적 반응의 변화를 분석하였다. 반복 노출에 따른 수행 오차의 개선은 확인되지 않았지만, 대부분의 생리 지표는 유의하게 감소하였다 (p<0.05). 이는 수행 개선 없이도 생리적 습관화가 나타날 수 있으며, 수행 변화와 생리적 반응의 변화가 반드시 일치하지 않을 수 있음을 시사한다.

본 연구는 지속 가능한 성장동력 확보를 위해 디지털 트랜스포메이션을 추진하는 전통 유통기업의 플랫폼 전환 전략을 규명하고자 국내 H&B 시장의 선두 기업인 올리브영을 사례로 분석하였다. 올리브영은 전통적인 상품 직매입 중심의 파이프라인 모델에서 벗어나 공급자와 소비자를 연결하는 다면 플랫폼(Multi-sided Platform)으로 진화하였다. 이러한 전환은 신생 및 중소 K-뷰티 브랜드의 발굴과 육성, 고객 구매 데이터에 기반한 상품 소싱 및 타깃 마케팅, 모바일 주문과 오프라인 매장을 결합한 O2O·O4O 전략을 통해 이루어졌다. 또한 자체 글로벌몰(Global Mall)을 기반으로 국내에서 구축한 플랫폼 역량을 해외 시장으로 확장하며 크로스보더(Cross-border) 유통 플랫폼으로 발전하였다. 이러한 플랫폼 전환은 시장 내 경쟁력 강화와 입점 브랜드의 성장, 옴니채널 생태계 확대 등 다양한 성과로 이어졌다. 본 연구는 전통 유통기업의 오프라인 자산이 데이터 역량과 O4O 전략에 결합될 경우 새로운 경쟁우위와 비즈니스 모델 혁신의 기반이 될 수 있음을 보여준다는 점에서 실무적·전략적 의의를 갖는다.

본 연구는 메타버스 기반 심리상담에 대한 대중의 인식과 선호도를 종합적으로 조사하여, 이용자 중심 서비스 설계 기초자료를 제공하는 데 목적이 있다. 433명 성인을 대상으로 온라인 설문을 실시한 결과, 요인별 중요도에서 상담사 역량(M=5.27), 익명성(M=5.22), 상담 효과(M=5.19)가 최상위였다. 아바타는 표정을 실시간으로 반영하는 것을 선호(73.2%)하였고, 화풍은 카툰풍(46.4%), 상담소 외관은 실사풍(52.2%)이 선호되었다. 익명 화상상담(표정 반영, M=4.20)과 음성상담(본인 목소리, M=4.14)이 높은 선호를 보였다. 메타버스 상담 서비스는 기술적 혁신보다 상담 본질의 질적 확보, 익명성·실재감 균형, 모바일 중심 접근성, 합리적 비용 구조를 고려하여 설계되어야 한다.

본 연구는 과거 24시간의 강수량과 하수관 수위를 활용하여 서울 지역의 1시간 후 침수 확률을 예측하는 LSTM 모델을 구성하였다. 네 가지 입력 설정을 5개 시드로 평가한 결과, RN1은 성능 편차를 줄였으며 RN1과 한강 수위를 결합한 모델이 가장 높은 AUC와 이벤트 recall을 기록하였다.

본 연구는 VR 애니메이션에서 사용자가 인식하는 공간의 범위와 접근 가능성에 대한 인지가 어떠한 연출 원리에 의해 조직되는지를 고찰하였다. 가상공간에서 자율성을 부여받은 사용자가 이야기를 따라가면서 서사의 중심 영역을 벗어나지 않도록 하기 위해서는 개방된 공간 안에서도 별도의 공간 한정 전략이 요구된다. 가상공간을 한정하는 방식을 물리적·인지적·서사적 방식으로 구분하고, 〈벽 속의 늑대들〉, 〈바바야가〉, 〈아덴스 웨이크〉를 사례로 분석하였다. 물리적 공간의 한정이 구조물을 통해 접근을 제한하는 방식이라면, 인지적 한정은 환경 요소의 밀도·중첩·방향성을 통해, 서사적 한정은 기억·공포·상실 등에 의한 정서적 금기 형성을 통해 표현되었다. 공간 한정은 세 방식 모두 시야와 이동을 제한하는 데 그치지 않고, 보이지 않는 공간을 상상하게 하며, 탐색 방향을 제시하고, 공간의 안전성과 위험성을 구분하며, 서사 정보를 순차적으로 전달하는 연출 기능을 수행한다. 따라서 공간 한정은 VR의 자유도를 축소하는 소극적 장치가 아니라 수용자의 지각과 해석을 강화하는 공간 연출 전략으로 볼 수 있다.

생성형 AI와 디지털 기술의 발전으로 인터랙티브 전시는 관람 중심에서 참여 중심의 전시로 변화하고 있다. 본 연구는 생성형 AI 기반 인터랙티브 전시 콘텐츠의 사용자 경험을 분석하고, 어린이와 시니어의 관람 경험을 비교하였다. 사례 분석 결과, 어린이는 놀이와 상호작용 중심의 몰입을, 시니어는 공간 연출과 감상 중심의 몰입을 경험하는 것으로 나타났다. 또한 관람의 질과 만족도는 연령에 따라 차이를 보였으며, 생성형 AI를 활용한 개인 맞춤형 콘텐츠 제공이 관람 경험 향상에 효과적일 가능성을 확인하였다. 본 연구는 미래형 인터랙티브 전시 설계를 위한 기초 자료를 제시한다.