감성검색법을 기초로 한 정보기기 콘텐츠 디자인 연구 -색채정보를 이용한 모바일 감성검색시스템을 사례로- Applying Emotional Information Retrieval Method to Information Appliances Design -The Use of Color Information for Mobile Emotion Retrieval System-원문보기
본 연구에서는 모바일 정보기기의 콘텐츠 디자인을 목적으로 한 감성검색시스템의 구축에 있어 시스템의 주요 구성요소 중의 하나인 '사용자감성모델'을 풀 컬러 화상의 색상성분추출을 통하여 자동적으로 생성하는 방법을 제안하고, 평가실험을 통하여 시스템의 타당성을 검증하였다. 시각적 감성 유발 자극으로 100장의 인테리어 이미지 화상을 이용하여 데이터베이스를 작성한 후 48명의 실험 참가자를 대상으로 감성평가실험을 실시하였다. '사용자감성모델'의 신뢰성을 검증하기 위해 먼저 시스템이 검색한 이미지 속에 정답 이미지가 출현하는 재현율(Recall ratio)을 구하였다, 다음으로 시스템이 산출한 순위와 피험자가 평가한 순위 사이의 상관분석을 실시하였으며, 마지막으로 시스템이 산출한 상/하위 순위를 이용하여 Paired Samples t-test(2-tailed)분석을 실시하였다. 분석결과 전체 감성어에 대한 평균 재현율은 62.1%로 양호하게 나타났으며, 상관분석에서도 전체 감성어들이 정적 상관을 보이고 있는 것으로 나타났다(p<.01). 또한 Paired Samples t-test(2-tailed) 분석결과 'Casual'를 제외한 모든 감성어들에서 상위 이미지가 더 적합하며 그 차이가 유의미한 것으로 나타났다(t(9)=5.528, p<.05). 이와 같은 연구결과로부터 색상정보만으로 구축한 '사용자감성모델'이 상업공간의 이미지와 같은 시각자극의 검색에 있어서도 사용자의 감성을 반영할 수 있는 효율적인 방법인 점을 확인하였다.
본 연구에서는 모바일 정보기기의 콘텐츠 디자인을 목적으로 한 감성검색시스템의 구축에 있어 시스템의 주요 구성요소 중의 하나인 '사용자감성모델'을 풀 컬러 화상의 색상성분추출을 통하여 자동적으로 생성하는 방법을 제안하고, 평가실험을 통하여 시스템의 타당성을 검증하였다. 시각적 감성 유발 자극으로 100장의 인테리어 이미지 화상을 이용하여 데이터베이스를 작성한 후 48명의 실험 참가자를 대상으로 감성평가실험을 실시하였다. '사용자감성모델'의 신뢰성을 검증하기 위해 먼저 시스템이 검색한 이미지 속에 정답 이미지가 출현하는 재현율(Recall ratio)을 구하였다, 다음으로 시스템이 산출한 순위와 피험자가 평가한 순위 사이의 상관분석을 실시하였으며, 마지막으로 시스템이 산출한 상/하위 순위를 이용하여 Paired Samples t-test(2-tailed)분석을 실시하였다. 분석결과 전체 감성어에 대한 평균 재현율은 62.1%로 양호하게 나타났으며, 상관분석에서도 전체 감성어들이 정적 상관을 보이고 있는 것으로 나타났다(p<.01). 또한 Paired Samples t-test(2-tailed) 분석결과 'Casual'를 제외한 모든 감성어들에서 상위 이미지가 더 적합하며 그 차이가 유의미한 것으로 나타났다(t(9)=5.528, p<.05). 이와 같은 연구결과로부터 색상정보만으로 구축한 '사용자감성모델'이 상업공간의 이미지와 같은 시각자극의 검색에 있어서도 사용자의 감성을 반영할 수 있는 효율적인 방법인 점을 확인하였다.
The knowledge base on emotional information is one of the key elements in the implementation of emotion retrieval systems for contents design of Mobile devices. This study proposed a new approach to the knowledge base implementation by automatically extracting color components from full-color images...
The knowledge base on emotional information is one of the key elements in the implementation of emotion retrieval systems for contents design of Mobile devices. This study proposed a new approach to the knowledge base implementation by automatically extracting color components from full-color images. In this study, the validity of the proposed method was empirically tested. Database was developed using 100 interior images as visual stimuli and a total of 48 subjects participated in the experiment. In order to test the reliability of the proposed 'emotional information knowledge base', firstly 'recall ratio' that refers to frequencies of correct images from the retrieved images was derived. Secondly, correlation Analysis was performed to compare the ratings by the subjects to what the system calculated. Finally, the rating comparison was used to run a paired-sample t-test. The analysis demonstrated satisfactory recall ration of 62.1%. Also, a significant positive correlation (p<.01) was observed from all the emotion keywords. The paired Sample t-test found that all the emotion keywords except "casual" retrieved the images in the order from more relevant to less relevant images and the difference was statistically significant (t(9)=5.528, p<.05). Findings of this study support that the proposed 'emotional information knowledge base' established only with color information automatically extracted from images can be effectively used for such visual stimuli search tasks as commercial interior images.
The knowledge base on emotional information is one of the key elements in the implementation of emotion retrieval systems for contents design of Mobile devices. This study proposed a new approach to the knowledge base implementation by automatically extracting color components from full-color images. In this study, the validity of the proposed method was empirically tested. Database was developed using 100 interior images as visual stimuli and a total of 48 subjects participated in the experiment. In order to test the reliability of the proposed 'emotional information knowledge base', firstly 'recall ratio' that refers to frequencies of correct images from the retrieved images was derived. Secondly, correlation Analysis was performed to compare the ratings by the subjects to what the system calculated. Finally, the rating comparison was used to run a paired-sample t-test. The analysis demonstrated satisfactory recall ration of 62.1%. Also, a significant positive correlation (p<.01) was observed from all the emotion keywords. The paired Sample t-test found that all the emotion keywords except "casual" retrieved the images in the order from more relevant to less relevant images and the difference was statistically significant (t(9)=5.528, p<.05). Findings of this study support that the proposed 'emotional information knowledge base' established only with color information automatically extracted from images can be effectively used for such visual stimuli search tasks as commercial interior images.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이와 같은 점에 착목하여 본 연구에서는 색채와 감성어휘 사이의 상관관계에 주목하여 색채의 시각적 특징을 결정짓는 물리적 특징량을 자동적으로 추출하고, 물리적 특징량과 감성어휘 사이의 대응관계를 기술함으로써 지식베이스인 ‘사용자감성모델’을 효율적으로 생성할 수 있는 방법을 제안하고자 한다. 또한 생성된 지식베이스를 이용하여 모바일 감성검색시스템을 구축한 후 사용자의 감성평가실험을 통하여 시스템의 타당성을 검증하고자 한다.
본 연구에서는 색채정보를 이용하여 자동적으로 생성한 ‘사용자감성모델’의 타당성 검증을 위해 모바일 웹 환경 하에서 상업공간의 인테리어 이미지를 검색하는 감성검색시스템을 구축하였다.
이와 같은 점에 착목하여 본 연구에서는 색채와 감성어휘 사이의 상관관계에 주목하여 색채의 시각적 특징을 결정짓는 물리적 특징량을 자동적으로 추출하고, 물리적 특징량과 감성어휘 사이의 대응관계를 기술함으로써 지식베이스인 ‘사용자감성모델’을 효율적으로 생성할 수 있는 방법을 제안하고자 한다.
가설 설정
로 가정하고, 해당 이미지 화상의 색채 성분 추출결과 다음과 같이 RGB 값이 {C1=YR_DL, C2=GY_DI, C3=B_Gr, ... , C130=P_DI}, 면적비율은 {40%, 15%, 8%, ... , 3%}으로 각각 추출되었다고 가정한다. 이 때 면적 비율이 40%인 색상 C1의 지식베이스에서의 ID를 {5, 7, 14, 15}라고 하면,
본 연구에서는 색채에 대한 감성반응은 색채의 성분과 양, 즉 특정 색채가 차지하고 있는 면적비율에 의해 특징지어진다고 가정하였다. 따라서 특정 이미지에 대한 감성은 해당 이미지를 표현하는 감성어휘의 종류와 각각의 감성어휘에 대응하는 색채성분의 면적비율에 의해 결정된다고 볼 수 있다.
제안 방법
100개의 샘플 이미지에 포함되어 있는 색채감성의 특징 분포가 시스템이 산출한 감성어휘별 면적비율과 피험자가 평가한 감성어휘별 면적비율 사이에 차이가 있는지를 비교하였다(그림 3). 시스템이 산출한 각 감성어휘별 면적은 샘플이미지를 구성하고 있는 RGB 값을 Kobayashi(1999)가 제안한 먼셀 색표 체계의 130색상에 매핑한 값을 이용하여 구하였다.
4장에서는 본 연구에서 제안한 ‘사용자 색채 감성모델’이 커피숍이나 레스토랑 등과 같은 시각적 이미지 화상의 검색에 있어서도 유의미한 효과를 나타내고 있는가를 검증하기 위하여 감성평가실험을 실시하였다.
감성검색시스템의 구축을 위해 데이터베이스에 등록되어 있는 100개의 이미지 화상에 대한 색인은 Kobayashi(1999)가 제안한 130개의 단색에 대한 감성모형을 바탕으로 면적비율 1% 이상의 RGB 값에 대응하는 감성어휘로 지정하였다.
시스템의 각 모듈은 JAVA를 기반으로 개발되었으며, 모바일 웹 브라우저를 이용하여 웹 서버에 접근할 수 있도록 하였다. 검색시스템을 구축하기 위한 웹서버는 Apache Tomcat 5.5, 데이터베이스는 Microsoft Office Access 2007, 서버 측 프로그래밍은 JSP, Client 측 User Interface는 모바일 웹브라우저 상에서 제어하도록 하였다.
본 연구에서는 시각 자극에 포함되어 있는 색채성분을 추출하여 ‘사용자 색채 감성모델’을 작성하고, 이를 이용하여 감성검색을 위한 지식베이스를 자동적으로 구축하는 방법을 제안하였다. 구축된 지식베이스가 상업시설과 같은 시각 자극의 감성검색에 있어서도 유의미한 효과를 보이는가를 검증하기 위하여 모바일 웹 환경 하에서 감성검색시스템의 프로토타입을 제작하였다. 제작된 프로토타입은 모바일 단말기 상에서 실행되는 클라이언트 모듈과 웹서버 모듈로 구성되어있다.
다음으로 피험자가 15개의 감성어휘에 대한 검색결과로서 적합하다고 판단한 이미지 화상들이 시스템이 적합하다고 산출한 결과와 일치하는지를 재현율을 통해 조사하였다. 조사결과 15개 감성어휘의 평균 재현율은 62.
풀 컬러 화상의 130색으로의 매핑은 해당 화소의 RGB 값에 대해 유클리디언 거리가 가장 가까운 색상으로 지정한다. 다음으로, 추출대상 이미지 화상에 포함되어 있는 130 색에 대한 히스토그램을 모두 산출한 후 각 화소의 히스토그램을 전체 픽셀 수로 나누어 모든 화소에 대한 각 화소의 면적 비율을 산출한다. 마지막으로 면적비율 1% 이상을 차지하는 화소의 RGB값만을 추출하여 해당 이미지에 대한 색인으로 데이터베이스에 등록한다.
첫째, 데이터베이스에 등록되어 있는 100개의 샘플 이미지에 포함되어 있는 색채감성분포의 특징을 살펴보기 위해 시스템이 산출한 감성어휘별 면적비율과 피험자의 감성평가데이터로부터 산출한 감성어휘별 면적비율을 비교하였다. 둘째, 피험자가 15개의 각 감성어휘에 대하여 적합하다고 판정한 샘플 이미지들이 시스템이 산출한 검색결과와 일치하는지를 알아보기 위해 재현율(Recall ratio)을 조사하였다. 셋째, 15개 감성어휘에 대하여 시스템이 산출한 이미지들의 검색 적합도와 피험자가 평가한 적합도 사이의 관련성을 알아보기 위해 상관관계분석을 실시하였다.
사용자 테이블 그룹은 사용자의 정보를 저장하는 데이터 테이블 그룹으로서 사용자 인증에 필요한 ID, Password 데이터가 저장되어 있다. 또한 그룹별로 데이터를 관리하기 위해서는 사용자 그룹 테이블을 사용하였다. 본 연구에서는 사용자 그룹 Admin, Guest, Member의 세 개의 그룹을 설정하였으며, 로그인 시 사전에 그룹별로 설정한 화면으로 전이하도록 하였다.
먼저 성명, 연령 등의 기초적인 사용자 프로필을 입력하도록 한 후 검색시스템에 등록되어 있는 100개의 샘플 이미지를 피험자마다 무작위로 제시하였다.
상업공간의 인테리어 이미지 감성평가에 있어서 부분적 요소보다는 전체적 이미지로 판단한다는 인간의 인지적 특징을 고려하여 100개의 상업 인테리어의 스켄 이미지 화상을 실험 자극으로 선정하였다. 모든 실험 자극은 바닥, 벽, 천정을 포함하는 이미지 화상들로 구성하였다.
본 연구에서는 Kobayashi(1999)가 제안한 130개의 단색에 대한 감성모형을 바탕으로 시각적 이미지 화상을 검색할 수 있는 ‘사용자 색채 감성모델’을 구축하였는데, 본 연구에서 제안한 ‘사용자 색채 감성모델’이 상업 공간의 인테리어 이미지에 대해서도 유의미한 효과를 나타내는가를 검증하기 위하여 다음과 같은 네 가지 분석방법을 이용하였다.
또한 그룹별로 데이터를 관리하기 위해서는 사용자 그룹 테이블을 사용하였다. 본 연구에서는 사용자 그룹 Admin, Guest, Member의 세 개의 그룹을 설정하였으며, 로그인 시 사전에 그룹별로 설정한 화면으로 전이하도록 하였다.
본 연구에서는 시각 자극에 포함되어 있는 색채성분을 추출하여 ‘사용자 색채 감성모델’을 작성하고, 이를 이용하여 감성검색을 위한 지식베이스를 자동적으로 구축하는 방법을 제안하였다.
마지막으로 면적비율 1% 이상을 차지하는 화소의 RGB값만을 추출하여 해당 이미지에 대한 색인으로 데이터베이스에 등록한다. 본 연구에서는 이와 같은 과정을 실행하기 위한 소프트웨어를 Visual Basic 2008을 이용하여 개발하였다.
본 연구에서는 재현율의 계산을 위해 피험자의 감성평가실험에서 평균 4.5 이상으로 응답되어진 샘플 이미지를 정답 이미지 집합으로 사전에 정의하여 두었다. 표 2는 시스템이 산출한 정답 이미지의 재현율을 나타낸 것이다.
구축된 감성검색시스템은 모바일 단말기 상에서 실행되는 클라이언트 모듈과 웹서버 모듈로 구성되어 있다. 시스템의 각 모듈은 JAVA를 기반으로 개발되었으며, 모바일 웹 브라우저를 이용하여 웹 서버에 접근할 수 있도록 하였다. 검색시스템을 구축하기 위한 웹서버는 Apache Tomcat 5.
실험 참가자들에게는 2장에서의 방법으로 선정한 15개의 감성어휘를 차례로 제시하고, 각 샘플 이미지의 해당 감성어휘에 대한 적합도를 평정하도록 하였다. 적합도의 기준은 ‘1- 매우 적합하지 않다’에서 ‘7-매우 적합하다’까지의 리커트 7점 척도로 평정하였다.
‘사용자감성모델’인 지식베이스 테이블은 먼셀 표 색계 130색상과 15개 감성어휘와의 대응관계를 기술한 테이블, 15개 감성어휘 사이의 관련도를 기술한 시소러스 테이블, 100개의 이미지 화상과 15개 감성어휘 사이의 대응관계가 기술된 색인 테이블로 구성하였다. 오브젝트 테이블은 감성검색의 대상이 되는 인테리어 공간의 이미지 데이터, 각 이미지 화상의 RGB 파라미터 및 면적비율 데이터, 먼셀 130색상에 대한 감성평가 데이터, 감성어휘 리스트로 구성하였다.
우선, 검색자는 클라이언트 단말기 상의 사용자 인터페이스를 이용하여 검색모드를 지정한다. 본 연구에서 구축한 프로토타입 시스템에는 검색자가 검색대상에 대해 보유하고 있는 경험적 지식과 검색 시나리오에 따라 ‘Quick’, ‘Fuzzy’, ‘Focus’, ‘Taste’ 등 모두 4가지의 검색모드를 제공하고 있다.
적합도의 기준은 ‘1- 매우 적합하지 않다’에서 ‘7-매우 적합하다’까지의 리커트 7점 척도로 평정하였다.
첫째, 데이터베이스에 등록되어 있는 100개의 샘플 이미지에 포함되어 있는 색채감성분포의 특징을 살펴보기 위해 시스템이 산출한 감성어휘별 면적비율과 피험자의 감성평가데이터로부터 산출한 감성어휘별 면적비율을 비교하였다. 둘째, 피험자가 15개의 각 감성어휘에 대하여 적합하다고 판정한 샘플 이미지들이 시스템이 산출한 검색결과와 일치하는지를 알아보기 위해 재현율(Recall ratio)을 조사하였다.
대상 데이터
따라서 이 감성어휘들 가운데서 온도-활동-무게의 3차원 공간상에 고르게 분포되는 15개를 지식베이스 구축을 위한 감성어휘로 최종적으로 선정하였다. 선정된 감성어휘는 감각수준의 1차 감성어휘가 Warm, Cool, Dynamic, Light, Dark, Soft의 6개, 심리수준의 2차 감성어휘가 Pretty, Casual, Gorgeous, Elegant, Natural, Antique, Formal, Modern, Clear의 9개였다(표 1).
실험에 참가한 피험자는 20대 연령의 디자인 및 미술계열 전공자 48명(남 20명, 여 28명)이었으며, 1인당 평균 실험시간은 56분이었다. 모든 피험자들은 컴퓨터 조작에 익숙하고, 평소 새로운 정보기기에 대한 관심이 많으며 터치스크린 모바일 폰을 소유하거나 조작경험이 있는 사람들로 한정하였다.
상업공간의 인테리어 이미지 감성평가에 있어서 부분적 요소보다는 전체적 이미지로 판단한다는 인간의 인지적 특징을 고려하여 100개의 상업 인테리어의 스켄 이미지 화상을 실험 자극으로 선정하였다. 모든 실험 자극은 바닥, 벽, 천정을 포함하는 이미지 화상들로 구성하였다.
실험에 참가한 피험자는 20대 연령의 디자인 및 미술계열 전공자 48명(남 20명, 여 28명)이었으며, 1인당 평균 실험시간은 56분이었다. 모든 피험자들은 컴퓨터 조작에 익숙하고, 평소 새로운 정보기기에 대한 관심이 많으며 터치스크린 모바일 폰을 소유하거나 조작경험이 있는 사람들로 한정하였다.
구축된 지식베이스가 상업시설과 같은 시각 자극의 감성검색에 있어서도 유의미한 효과를 보이는가를 검증하기 위하여 모바일 웹 환경 하에서 감성검색시스템의 프로토타입을 제작하였다. 제작된 프로토타입은 모바일 단말기 상에서 실행되는 클라이언트 모듈과 웹서버 모듈로 구성되어있다.
데이터처리
검색시스템의 타당성 검증을 위해 시스템이 자동적으로 산출한 정답 데이터의 재현율, 시스템 산출 데이터의 검색 적합도 순위와 피험자 평가 적합도 순위 사이의 상관관계분석, 시스템이 산출한 적합도 상/하위 이미지 10개에 대한 피험자의 감성평가의 평균 값 차이검증 등을 실시하였다.
셋째, 15개 감성어휘에 대하여 시스템이 산출한 이미지들의 검색 적합도와 피험자가 평가한 적합도 사이의 관련성을 알아보기 위해 상관관계분석을 실시하였다. 넷째, 15개의 감성어휘에 대하여 시스템이 적합하다고 판정한 상위 이미지와 적합하지 않다고 판정한 하위 이미지의 차이가 유의한지를 검증하기 위하여 피험자가 평정한 적합도 평가 데이터를 이용하여 Paired Samples t-test(2-tailed) 분석을 실시하였다.
또한 15개 감성어휘에 대하여 시스템이 산출한 이미지들의 검색 적합도와 피험자가 평가한 적합도 사이의 상호 관련성 여부를 알아보기 위해 상관분석을 실시하였다. 분석결과 14개 감성어휘가 양호한 정적 상관을 보였으나, ‘Casual’은 낮은 정적 상관을 보이고 있는 것으로 나타났다.
시스템이 산출한 각 감성어휘별 면적은 샘플이미지를 구성하고 있는 RGB 값을 Kobayashi(1999)가 제안한 먼셀 색표 체계의 130색상에 매핑한 값을 이용하여 구하였다. 또한 피험자가 평가한 감성어휘별 면적비율은 리커트 7점 척도에 의해 평정한 감성평가 데이터를 이용하여 구하였다. 시스템이 산출한 감성어휘별 면적비율을 보면 100개의 샘플 이미지에 가장 많이 포함되어 있는 색채감성은 Warm(14.
마지막으로 15개의 감성어휘에 대하여 시스템이 적합하다고 판정한 상위 이미지와 적합하지 않다고 판정한 하위 이미지 각 10개가 통계적으로 유의한 차이를 보이고 있는지를 검증하기 위하여 피험자가 평정한 적합도 평가 데이터를 이용하여 Paired Samples t-test분석을 실시하였다. 분석 결과 ‘Casual’을 제외한 14개의 감성어휘가 유의한 것으로 나타났다.
분석은 시스템이 산출한 100개의 샘플 이미지에 대한 적합도와 48명의 설문참가자들이 평정한 값의 평균 데이터를 이용하였으며, 분석에는 Pearson’s의 상관계수와 Spearman’s rho 순위상관계수를 적용하였다.
둘째, 피험자가 15개의 각 감성어휘에 대하여 적합하다고 판정한 샘플 이미지들이 시스템이 산출한 검색결과와 일치하는지를 알아보기 위해 재현율(Recall ratio)을 조사하였다. 셋째, 15개 감성어휘에 대하여 시스템이 산출한 이미지들의 검색 적합도와 피험자가 평가한 적합도 사이의 관련성을 알아보기 위해 상관관계분석을 실시하였다. 넷째, 15개의 감성어휘에 대하여 시스템이 적합하다고 판정한 상위 이미지와 적합하지 않다고 판정한 하위 이미지의 차이가 유의한지를 검증하기 위하여 피험자가 평정한 적합도 평가 데이터를 이용하여 Paired Samples t-test(2-tailed) 분석을 실시하였다.
시스템이 산출한 적합도 순위와 피험자가 평가한 적합도 순위 사이의 관련성을 알아보기 위해 상관분석을 실시하였다. 분석은 시스템이 산출한 100개의 샘플 이미지에 대한 적합도와 48명의 설문참가자들이 평정한 값의 평균 데이터를 이용하였으며, 분석에는 Pearson’s의 상관계수와 Spearman’s rho 순위상관계수를 적용하였다.
또한 시스템의 기계적인 연산에 의해 사용자가 보기에 적합한 이미지를 배제하고 있지는 않았는가를 검증할 필요가 있다. 이를 위해 시스템이 감성어휘별로 적합하다고 산출한 이미지들과 적합하지 않다고 산출한 이미지들 간의 차이가 통계적으로 유의한 지를 검증하기 위하여 시스템이 자동적으로 산출한 적합도 상/하위 이미지 각 10개를 대상으로 하여 대응비교 t 검증(Paired Samples t-test(2-tailed))을 실시하였다.
이론/모형
감성검색시스템은 검색자의 요구를 검색 결과에 효율적으로 반영하는 것이 중요하다. 본 연구에서 구현한 감성검색시스템이 사용자의 검색요구에 부합하는 검색결과를 어느 정도 제시하는가를 검증하기 위해 데이터베이스의 신뢰성 검증방법으로 Salton과 McGill(1986)이 제안한 재현율 산출 공식을 적용하여 계산하였다(식 1).
본 연구에서는 Kobayashi(1999)가 제안한 먼셀 표색계 130색상과 감성어휘와의 대응관계를 기술하기 위하여 다음과 같은 과정으로 감성어휘를 선정하였다.
100개의 샘플 이미지에 포함되어 있는 색채감성의 특징 분포가 시스템이 산출한 감성어휘별 면적비율과 피험자가 평가한 감성어휘별 면적비율 사이에 차이가 있는지를 비교하였다(그림 3). 시스템이 산출한 각 감성어휘별 면적은 샘플이미지를 구성하고 있는 RGB 값을 Kobayashi(1999)가 제안한 먼셀 색표 체계의 130색상에 매핑한 값을 이용하여 구하였다. 또한 피험자가 평가한 감성어휘별 면적비율은 리커트 7점 척도에 의해 평정한 감성평가 데이터를 이용하여 구하였다.
성능/효과
2%)의 경우에는 다소 낮게 나타났다. 15개 감성어휘에 대한 평균 재현율은 62.1%로써 시스템이 정답 이미지로 산출한 이미지와 피험자가 판단한 정답 이미지와의 사이에 비교적 유사성이 높은 것을 알 수 있다. 특히 60% 이상의 재현율을 보인 감성어휘 10개와 50-60%의 재현율을 보인 감성어휘 4개는 상업 공간의 인테리어와 같은 시각적 자극을 대상으로 한 감성검색시스템의 구현에 있어서도 동일한 감성효과를 보이고 있다는 것을 보여주고 있다.
또한 본 연구에서 제안한 색채정보를 이용한 ‘사용자 색채 감성모델’의 구축방법이 모바일 환경 하에서의 감성검색시스템의 구현에 있어 사용자의 감성을 검색과정에 효율적으로 반영할 수 있는 가능성을 확인하였다.
또한 시스템이 산출한 적합도와 피험자들이 평가한 적합도를 서열척도로 변환하여 분석한 결과 표 3의 Spearman’s rho 상관계수와 같이 시스템 산출과 피험자가 평가한 감성어휘 사이에서 유의미한 정적 상관을 보이고 있는 것으로 나타났다(p<.01).
먼저 데이터베이스에 등록된 100개의 샘플 이미지에 대하여 시스템이 자동적으로 산출한 감성어휘별 분포비율과 피험자의 감성평가데이터로부터 산출한 감성어휘별 분포비율을 100%로 환산한 결과, 평균 6.7%로 동일하게 나타났다. 표준편차의 경우 시스템(3.
분석 결과 ‘Casual’을 제외한 14개의 감성어휘가 유의한 것으로 나타났다.
분석 결과, 피험자들은 시스템이 산출한 상위 10개의 이미지를 하위 10개의 이미지에 비해 평균 2.25점 높게(SD=1.44) 평가하였으며, t-Test에 의한 검증 결과도 유의한 것으로 나타났다(t(9)=5.528, p<0.05).
분석결과 14개 감성어휘가 양호한 정적 상관을 보였으나, ‘Casual’은 낮은 정적 상관을 보이고 있는 것으로 나타났다.
표 2는 시스템이 산출한 정답 이미지의 재현율을 나타낸 것이다. 산출결과 15개의 감성어휘 중에서 Dark(82.6%), Light(75.0%), Warm(73.3%)의 순으로 재현율이 높게 나타났으며, Modern(56.5%), Antique(50.0%), Casual (46.2%)의 경우에는 다소 낮게 나타났다. 15개 감성어휘에 대한 평균 재현율은 62.
상/하위 이미지 평정 값의 차이를 감성어휘별로도 분석하였는데, 분석 결과, ‘Casual’은 상/하위 이미지의 평정 값의 차이가 유의하지 않은 것으로 나타났고 (t(9)=1.87, p=.094), 그 외 14개의 감성어휘들은 모두 상위 이미지가 더 적합하며 그 차이가 유의미한 것으로 분석되었다(표 4).
따라서 이 감성어휘들 가운데서 온도-활동-무게의 3차원 공간상에 고르게 분포되는 15개를 지식베이스 구축을 위한 감성어휘로 최종적으로 선정하였다. 선정된 감성어휘는 감각수준의 1차 감성어휘가 Warm, Cool, Dynamic, Light, Dark, Soft의 6개, 심리수준의 2차 감성어휘가 Pretty, Casual, Gorgeous, Elegant, Natural, Antique, Formal, Modern, Clear의 9개였다(표 1).
또한 피험자가 평가한 감성어휘별 면적비율은 리커트 7점 척도에 의해 평정한 감성평가 데이터를 이용하여 구하였다. 시스템이 산출한 감성어휘별 면적비율을 보면 100개의 샘플 이미지에 가장 많이 포함되어 있는 색채감성은 Warm(14.6%), Dark(13.6%), Light(10.5%)인 것으로 나타났으며, 가장 적게 포함되어 있는 감성은 Modern(2.4%), Gorgeous(2.6%), Casual(3.5%)로 나타났다. 이에 비하여 피험자들의 적합도 평가에서는 Light(8.
시스템이 산출한 면적비율과 피험자가 평정한 적합도 평균값은 동일하게 6.7%로 나타났다. Pretty(0.
특히 김돈한(2007)은 시각적 자극의 감성평가에 관한 선행연구에서 시각적 특징량의 변화와 감성반응과의 상관관계를 조사하였는데, 형태보다는 색채가 감성평가를 결정짓는 주요 요인이라는 사실을 밝혀내었다. 이 연구에서 상업공간의 인테리어에 대한 감성평가어휘와 스캔 이미지 화상을 이용하여 감성평가실험을 실시한 후 수량화 1류 분석법을 통하여 해석한 결과 대부분의 감성어휘가 색채와 관련된 항목에서 상관관계가 높은 것으로 나타났다. 특히 상업공간의 인테리어의 경우 색조, 색상 등의 색채와 관련된 시각적 특징이 감성 이미지를 결정짓는 주요 요인이 되고 있다는 것을 알 수 있었다.
이상과 같은 분석결과, ‘Casual’을 제외한 14개 감성어휘는 본 연구에서 제안한 ‘사용자 색채 감성모델’을 이용한 모바일 감성검색시스템의 구축에 있어 사용자의 감성을 검색할 수 있는 감성어휘로써 타당한 것으로 확인되었다.
5%)로 나타났다. 이에 비하여 피험자들의 적합도 평가에서는 Light(8.1%), Soft(7.4%), Natural(7.4%)을 가장 많이 포함하고 있는 것으로 나타났으며, 가장 적게 포함되어 있는 감성은 Pretty(5.2%), Formal(5.6%), Antique(6.0%)인 것으로 나타났다.
이와 같은 상관분석의 결과를 볼 때 130색상에 대한 15개 감성어휘의 매핑 데이터만으로 구축한 ‘사용자 색채 감성모델’가 타당성이 있으며, 감성검색시스템 구축에 있어 사용자의 감성검색을 위한 지식베이스로 활용될 수 있음을 시사하고 있다.
다음으로 피험자가 15개의 감성어휘에 대한 검색결과로서 적합하다고 판단한 이미지 화상들이 시스템이 적합하다고 산출한 결과와 일치하는지를 재현율을 통해 조사하였다. 조사결과 15개 감성어휘의 평균 재현율은 62.13%로써 시스템이 산출한 정답 이미지와 피험자가 판단한 정답 이미지와의 사이에 유사성이 높은 것으로 나타났다.
1%로써 시스템이 정답 이미지로 산출한 이미지와 피험자가 판단한 정답 이미지와의 사이에 비교적 유사성이 높은 것을 알 수 있다. 특히 60% 이상의 재현율을 보인 감성어휘 10개와 50-60%의 재현율을 보인 감성어휘 4개는 상업 공간의 인테리어와 같은 시각적 자극을 대상으로 한 감성검색시스템의 구현에 있어서도 동일한 감성효과를 보이고 있다는 것을 보여주고 있다. 그러나 재현율이 낮게 나타난 ‘Casual’은 사람의 감성평가에 있어서 개인차가 크게 작용하며, 형태나 레이아웃 등 색상 외의 요소가 감성반응에 간여하고 있는 것으로 추정된다.
이 연구에서 상업공간의 인테리어에 대한 감성평가어휘와 스캔 이미지 화상을 이용하여 감성평가실험을 실시한 후 수량화 1류 분석법을 통하여 해석한 결과 대부분의 감성어휘가 색채와 관련된 항목에서 상관관계가 높은 것으로 나타났다. 특히 상업공간의 인테리어의 경우 색조, 색상 등의 색채와 관련된 시각적 특징이 감성 이미지를 결정짓는 주요 요인이 되고 있다는 것을 알 수 있었다.
표 3의 Pearson’s의 상관계수에서 보듯이 15개의 모든 감성어휘는 시스템이 산출한 적합도와 피험자들이 평가한 적합도 사이에서 유의미한 정적 상관을 보이고 있는 것으로 나타났다(p<.01).
표준편차의 경우 시스템(3.70), 피험자(0.78)로서 시스템이 산출한 감성어휘들이 피험자 평가보다 평균으로부터 더 멀리 분포되어 있는 것으로 나타났으며, ‘Warm’과 ‘Dark’를 제외한 13개 감성어휘는 시스템 산출 값과 피험자 평가 값에 차이가 적은 것으로 관찰되었다.
후속연구
다만, 피험자에 의한 감성평가 결과 시각 자극에 대한 감성반응에는 단일 색상 외의 복수의 배색이나 형태적인 요소 등이 복합적으로 영향을 미치고 있는 것으로 나타나 단일 색상 정보만으로 사용자가 충분히 만족하는 검색결과를 기대하기에는 한계가 있다. 향후 복수의 배색이나 형태적인 요소에 대한 감성효과에 대해서도 추가적인 연구가 필요하다.
또한 사람은 자신의 라이프스타일이나 문화적 배경에 따라서도 서로 다른 색채에 대한 감성 스키마를 형성하기 때문에 ‘사용자 색채 감성모델’의 학습을 통한 개인의 색채 감성모델 구축에 대한 연구도 필요하다.
본 연구에서 구현된 감성검색시스템은 감성적 소구력이 중시되는 음식점, 쇼핑, 관광지 등의 정보탐색을 목적으로 하는 콘텐츠 이용자에게 있어 효율적인 의사결정 지원도구로서의 역할이 가능하며, 콘텐츠 개발자나 디자이너에게는 사용자의 감성 데이터를 수집하고 모델화함으로써 효율적인 디자인지원시스템으로 활용될 수 있을 것으로 기대된다.
다만, 피험자에 의한 감성평가 결과 시각 자극에 대한 감성반응에는 단일 색상 외의 복수의 배색이나 형태적인 요소 등이 복합적으로 영향을 미치고 있는 것으로 나타나 단일 색상 정보만으로 사용자가 충분히 만족하는 검색결과를 기대하기에는 한계가 있다. 향후 복수의 배색이나 형태적인 요소에 대한 감성효과에 대해서도 추가적인 연구가 필요하다. 또한 사람은 자신의 라이프스타일이나 문화적 배경에 따라서도 서로 다른 색채에 대한 감성 스키마를 형성하기 때문에 ‘사용자 색채 감성모델’의 학습을 통한 개인의 색채 감성모델 구축에 대한 연구도 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
사용자 테이블 그룹은 무엇인가?
감성검색시스템에서 사용되는 데이터베이스 모델은 사용자 테이블 그룹, 지식베이스 테이블 그룹, 오브젝트 테이블 그룹으로 구성되어 있다. 사용자 테이블 그룹은 사용자의 정보를 저장하는 데이터 테이블 그룹으로서 사용자 인증에 필요한 ID, Password 데이터가 저장되어 있다. 또한 그룹별로 데이터를 관리하기 위해서는 사용자 그룹 테이블을 사용하였다.
감성정보처리법과 관련된 연구에는 무엇이 있는가?
감성정보처리법과 관련해서는 현재까지 다수의 연구가 수행되었다. 대표적으로는 감성의 퍼지 모델링(Kitajima, 1991), 감성검색법을 기초로 한 디자인 데이터베이스(Hukuda et al., 1998), 디지털 전통공예 프리젠테이션을 위한 감성정보처리법(Miyakawa et al., 2004), 멀티미디어 콘텐츠의 감성분석을 위한 감성 파라미터법(Kashiwazaki, 2008) 등이 있다.
감성검색시스템에서 사용되는 데이터베이스 모델은 무엇으로 구성되는가?
감성검색시스템에서 사용되는 데이터베이스 모델은 사용자 테이블 그룹, 지식베이스 테이블 그룹, 오브젝트 테이블 그룹으로 구성되어 있다. 사용자 테이블 그룹은 사용자의 정보를 저장하는 데이터 테이블 그룹으로서 사용자 인증에 필요한 ID, Password 데이터가 저장되어 있다.
참고문헌 (20)
김돈한 (2007). 정보기기 디자인에 있어서 사용자의 감성을 고려한 콘텐츠 개발방법. 디자인학연구, 20(3), 203-214.
Fukuda, M., Sugita, K., & Shibata, Y. (1998). Perceptional Retrieving Method for Distributed Design Image Database System. Trans. IPS(Japan), 39(2), 158-169.
Kashiwazaki, N. (2008). Kansei-Parameter Method for Emotion Analysis of Multimedia Contents. International Symposium of Emotion and Sensibilities 2008, 204-208.
Kim, D.H. & Kitajima, M.(2007). A Proposal a Personal Navigation Support System considering Pedestrians' Preference. Bulletin of JSSD(Japan), 54(1), 41-48.
Kitajima, M. (1991). Fuzzy Modeling of Attraction Emotions. Soft(Japan), 3(3), 570-582.
Kobayashi, S. (1999). Color System. Tokyo: Koudansya.
Konishi, S., Nonaka H., & Kurihara M. (2008). Extraction and Application of Human Individulity in Colors Based on Hierarchy of Kansei Words. Soft(Japan), 20(1), 141-149.
Miyakawa, A., Sugita, K., & Shibata, Y. (2004). Kansei Information Processing for Digital Traditional Crafting Presentation System. Information Processing(Japan), 45(2), 526-539.
Nagumo, H. (1999). Color Image Chart. Tokyo: Graphic.
Hisao, S. & Tsai, H. (2004). Use of Gray System Theory in Product-Color Planning. Color Research and Application, 29(3), 222-231.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.