Generative AI for Graphics, Vision, and 3D: SIGGRAPH Asia 2024 세션 리뷰
이번 SIGGRAPH Asia 2024의 Generative AI for Graphics, Vision, and 3D 세션은 생성형 AI가 예술, 디자인, 3D 그래픽 등 다양한 창작 영역에서 어떻게 혁신을 이끌어낼지에 대한 가능성을 논의하기 위해 마련되었습니다.
발표자 4명이 참여하여 각자의 연구와 프로젝트를 소개했지만, 내용이 다소 산만하게 느껴졌고, 세션 전체에서 깊이 있는 논의보다는 개별 사례 중심으로 진행되었습니다.
- 세션에서 다룬 주요 주제
- Generative AI의 발전
- 발표자들은 2022년을 Generative AI의 포텐셜 시작점으로 언급하며, 이후 VQGAN+CLIP, Stable Diffusion 등 주요 기술의 발전을 기반으로 한 가능성을 설명했습니다.
- 하지만 이러한 기술의 전환점에 대한 설명이 기초적(Rudimentary) 수준에 머물렀다는 아쉬움이 있었습니다.
- 프로젝트와 아이디어
- Moodflow: 감정 기반의 생성형 콘텐츠
- Holojig: 홀로그램과 AI의 결합
- Voice-controlled Generative AI Avatars: 음성으로 제어되는 생성형 AI 아바타
- Generative AI with an Audience: 관객 참여형 콘텐츠
- Generative AI for Free-Roaming 3D Worlds: 자유롭게 탐험할 수 있는 3D 세계를 위한 AI
- Warpfusion: 생성형 AI를 활용한 혁신적 접근
- Omniverse Concept: NVIDIA가 소개한 데이터 센터 예측 모델
- 생성형 AI와 인간의 상호작용
- Reinforcement Learning을 통해 difference 값이 큰 항목을 선택하는 방식의 상호작용 설명이 있었습니다.
- 이는 인간의 피드백을 AI 학습에 통합하는 방식으로 보였으나, 구체적인 설명이 부족했습니다.
- AI의 한계와 문제점
- AI는 80%까지는 잘해내지만 나머지 20%에서 문제가 발생한다는 지적이 있었습니다.
- 특히 AI 비디오 제작의 높은 비용, 생성 결과물의 품질 차이 등은 여전히 해결해야 할 과제로 남아 있었습니다.
- Generative AI의 발전
느낀 점
- 구체적 인사이트 부족
- 세션에서 다룬 내용은 개별 프로젝트와 연구 사례 소개에 머물렀으며, 전체적으로 Generative AI의 현재와 미래에 대한 깊이 있는 논의는 부족했습니다.
- 영어에 지나치게 치우친 표현 및 기술 중심의 Bias를 해결해야 한다는 지적은 흥미로웠으나, 이를 구체적으로 해결할 방안은 제시되지 않았습니다.
- 현실적인 문제점 강조
- AI가 창작 과정에서 직면하는 한계(예: 비용, 품질, 속도)는 모든 발표자가 공통적으로 지적했으며, 특히 생산(Production) 단계에서의 문제는 큰 과제로 남아 있음을 보여주었습니다.
- 미래 가능성
- Real-time Fixture Try-On: 실시간으로 AI를 활용해 가상으로 피팅하거나 인터랙션을 구현하는 아이디어는 실질적인 응용 가능성을 보여주었습니다.
- 하지만 OpenAI의 최근 Time Series 논문이 이 문제를 해결할 가능성이 있다는 점은 발표와 직접 연결되지 않아 다소 아쉬웠습니다.
총평
이 세션은 생성형 AI가 예술과 3D 그래픽 분야에 어떤 영향을 미칠 수 있는지 소개하려 했지만, 개별 사례 중심의 발표로 인해 심층적인 논의보다는 산발적인 정보를 제공하는 데 그쳤습니다.
Generative AI의 잠재력은 분명 크지만, 이를 실질적인 응용으로 발전시키기 위해 생산 단계의 문제를 해결하고, 구체적인 기술적 접근과 효율성을 더 강화해야 할 것입니다.
