삽화는 소설, 동화와 같은 텍스트 콘텐츠를 이해하는데 큰 도움이 된다. 그러나 일상생활에 디지털이 곳곳에 녹아들면서 웹소설, E-book과 같은 디지털 텍스트 콘텐츠들이 대거 등장하여 모든 콘텐츠에 삽화를 생성하기 어려울 만큼 콘텐츠의 양이 범람하였다. 삽화 자동생성 모델은 이러한 콘텐츠들에 맞는 삽화를 자동으로 생성하여 막대한 양의 콘텐츠에 대응할 수 있도록 설계되었다. 삽화 자동생성 모델은 규칙 기반 삽화 자동생성 모델을 시작으로 통계 기반 삽화 자동생성 모델로 발전하였다. 본 논문은 더 나아가 최근 대두되고 있는 ...
삽화는 소설, 동화와 같은 텍스트 콘텐츠를 이해하는데 큰 도움이 된다. 그러나 일상생활에 디지털이 곳곳에 녹아들면서 웹소설, E-book과 같은 디지털 텍스트 콘텐츠들이 대거 등장하여 모든 콘텐츠에 삽화를 생성하기 어려울 만큼 콘텐츠의 양이 범람하였다. 삽화 자동생성 모델은 이러한 콘텐츠들에 맞는 삽화를 자동으로 생성하여 막대한 양의 콘텐츠에 대응할 수 있도록 설계되었다. 삽화 자동생성 모델은 규칙 기반 삽화 자동생성 모델을 시작으로 통계 기반 삽화 자동생성 모델로 발전하였다. 본 논문은 더 나아가 최근 대두되고 있는 인공지능 모델 중 하나인 딥러닝을 도입하여 좀 더 견고하고, 유연한 삽화 자동생성 모델을 설계하고 개발하였다. 이를 동화인 “빨간 모자”를 통해 평가하였으며, 총 99문장 중 대사 등의 이유로 삽화 생성이 불가능한 71문장을 제외한 28문장 중 23문장에 대해 올바르게 삽화를 생성하였고, 2문장에 대해 잘못된 삽화를 생성하였으며, 3문장에 대해 삽화를 생성하지 못한 결과를 보였다. 삽화 생성이 가능한 문장 중 잘못된 삽화를 생성한 문장의 요인으로는 구문 분석 오류가 1문장, 단어-이미지 매칭 오류가 1문장으로 나타났고, 삽화 생성이 가능한 문장 중 삽화를 생성하지 못한 문장의 요인으로는 구문 분석 오류가 3문장으로 나타났다. 삽화 생성이 불가능한 문장은 불명확한 주어로 인해 불가능한 경우가 2문장, 리소스가 부족하여 불가능한 경우가 28문장, 대사가 41문장으로 나타났다. 추후 좀 더 견고하고, 유연한 삽화 자동 생성 모델을 위해 의미 중의성 해결(WSD)기술을 통해 동음이의어, 다의어 문제를 해결하는 방안에 대해서 연구할 계획이며, ‘그’, ‘그녀’와 같은 대명사와 주어 생략과 같은 경우에도 견고하게 이미지를 생성하는 모델에 관해서 연구할 계획이다. 이렇게 개발된 삽화 자동생성 모델은 좀 더 질 좋은 디지털 텍스트 콘텐츠 생성에 기여할 것으로 기대될 뿐만 아니라 작문을 위한 교육용 게임에 활용될 수 있을 것으로 기대된다.
삽화는 소설, 동화와 같은 텍스트 콘텐츠를 이해하는데 큰 도움이 된다. 그러나 일상생활에 디지털이 곳곳에 녹아들면서 웹소설, E-book과 같은 디지털 텍스트 콘텐츠들이 대거 등장하여 모든 콘텐츠에 삽화를 생성하기 어려울 만큼 콘텐츠의 양이 범람하였다. 삽화 자동생성 모델은 이러한 콘텐츠들에 맞는 삽화를 자동으로 생성하여 막대한 양의 콘텐츠에 대응할 수 있도록 설계되었다. 삽화 자동생성 모델은 규칙 기반 삽화 자동생성 모델을 시작으로 통계 기반 삽화 자동생성 모델로 발전하였다. 본 논문은 더 나아가 최근 대두되고 있는 인공지능 모델 중 하나인 딥러닝을 도입하여 좀 더 견고하고, 유연한 삽화 자동생성 모델을 설계하고 개발하였다. 이를 동화인 “빨간 모자”를 통해 평가하였으며, 총 99문장 중 대사 등의 이유로 삽화 생성이 불가능한 71문장을 제외한 28문장 중 23문장에 대해 올바르게 삽화를 생성하였고, 2문장에 대해 잘못된 삽화를 생성하였으며, 3문장에 대해 삽화를 생성하지 못한 결과를 보였다. 삽화 생성이 가능한 문장 중 잘못된 삽화를 생성한 문장의 요인으로는 구문 분석 오류가 1문장, 단어-이미지 매칭 오류가 1문장으로 나타났고, 삽화 생성이 가능한 문장 중 삽화를 생성하지 못한 문장의 요인으로는 구문 분석 오류가 3문장으로 나타났다. 삽화 생성이 불가능한 문장은 불명확한 주어로 인해 불가능한 경우가 2문장, 리소스가 부족하여 불가능한 경우가 28문장, 대사가 41문장으로 나타났다. 추후 좀 더 견고하고, 유연한 삽화 자동 생성 모델을 위해 의미 중의성 해결(WSD)기술을 통해 동음이의어, 다의어 문제를 해결하는 방안에 대해서 연구할 계획이며, ‘그’, ‘그녀’와 같은 대명사와 주어 생략과 같은 경우에도 견고하게 이미지를 생성하는 모델에 관해서 연구할 계획이다. 이렇게 개발된 삽화 자동생성 모델은 좀 더 질 좋은 디지털 텍스트 콘텐츠 생성에 기여할 것으로 기대될 뿐만 아니라 작문을 위한 교육용 게임에 활용될 수 있을 것으로 기대된다.
Illustrations can help a reader to understand text content such as novels and fairy tales. However, as digital has been everywhere in everyday life, digital text contents such as web novels and e-books have emerged, and the amount of content has overflowed so that it is difficult to create illustrat...
Illustrations can help a reader to understand text content such as novels and fairy tales. However, as digital has been everywhere in everyday life, digital text contents such as web novels and e-books have emerged, and the amount of content has overflowed so that it is difficult to create illustrations in all contents. The automatic illustration generation model is designed to automatically generate illustrations for these contents to cope with the huge amount of contents. The automatic illustration generation model has evolved from a rule based automatic illustration generation model to a statistics based automatic illustration generation model. This paper further designed and developed a more robust and flexible automatic illustration generation model by introducing deep learning, which is one of the emerging AI models. This was evaluated through the fairy tale “Little Red Riding Hood”, and 23 of 28 sentences were correctly created except for 71 sentences that could not be produced for reasons such as dialogue, and incorrect illustrations were generated for 2 sentences. Finally, it failed to produce illustrations for three sentences. Among the sentences that can generate illustrations, the sentence that generated the wrong illustrations showed 1 sentence of dependency parsing error and 1 sentence of word-image matching error. The dependency parsing error appeared in three sentences. The sentences that could not be generate were 2 sentences that were impossible due to an unspecified subject, 28 sentences that were impossible due to an not enough resource, and 41 sentences that were dialogue. In the future, we will study how to solve the polysemy and homonym through Word Sense Disambiguation (WSD) technology for more robust and flexible illustration automatic generation. also we will study automatic illustration generation model that generate illustration even in the case of subject omission and pronouns such as 'he' and 'she'. This automatic illustration generate model is expected not only to contribute to the creation of higher quality digital text contents but also to be used in educational games for writing.
Illustrations can help a reader to understand text content such as novels and fairy tales. However, as digital has been everywhere in everyday life, digital text contents such as web novels and e-books have emerged, and the amount of content has overflowed so that it is difficult to create illustrations in all contents. The automatic illustration generation model is designed to automatically generate illustrations for these contents to cope with the huge amount of contents. The automatic illustration generation model has evolved from a rule based automatic illustration generation model to a statistics based automatic illustration generation model. This paper further designed and developed a more robust and flexible automatic illustration generation model by introducing deep learning, which is one of the emerging AI models. This was evaluated through the fairy tale “Little Red Riding Hood”, and 23 of 28 sentences were correctly created except for 71 sentences that could not be produced for reasons such as dialogue, and incorrect illustrations were generated for 2 sentences. Finally, it failed to produce illustrations for three sentences. Among the sentences that can generate illustrations, the sentence that generated the wrong illustrations showed 1 sentence of dependency parsing error and 1 sentence of word-image matching error. The dependency parsing error appeared in three sentences. The sentences that could not be generate were 2 sentences that were impossible due to an unspecified subject, 28 sentences that were impossible due to an not enough resource, and 41 sentences that were dialogue. In the future, we will study how to solve the polysemy and homonym through Word Sense Disambiguation (WSD) technology for more robust and flexible illustration automatic generation. also we will study automatic illustration generation model that generate illustration even in the case of subject omission and pronouns such as 'he' and 'she'. This automatic illustration generate model is expected not only to contribute to the creation of higher quality digital text contents but also to be used in educational games for writing.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.