심층 강화학습 기반의 인공지능 화가 설계

Abstract

드로잉은 미적 감각과 심사숙고 능력을 동원한 인간 고유의 예술적 표현 방법이다. 그동안 컴퓨터 그래픽을 활용한 규칙기반의 여러 자동 드로잉 기법이 개발되었지만 다양한 드로잉 기법을 묘사하는 데에서 그 정교함과 예술성에 한계가 있었다. 그러나 최근에는 딥러닝 기술이 드로잉에 응용되면서 이전의 간극을 채우기 시작하였고, 예술 영역에서 인간과 인공지능의 경계가 빠르게 무너지고 있다. Stroke-based rendering (SBR)은 컴퓨터를 이용해서 스트로크라고 불리우는 붓터치와 같은 드로잉 요소의 위치나 색감 등을 고려해 가며 순차적으로 그림을 완성하는 문제이다. 본 학위논문에서는 주어진 목표 이미지에 대하여 자동적으로 SBR을 수행할 수 있도록 에이전트를 강화학습하는 내용을 다룬다. 그림의 표현 기법은 예술적 의도에 따라 다양하기 때문에, 각 기법에 강화학습이 적용되는 양태 또한 다양할 수 있다. 본 논문에서는 4가지의 드로잉 시나리오를 제시하고 각 시나리오에 맞춰 강화학습을 적용한다. 제시되는 SBR 시나리오는 크게 펜 드로잉과 고급 드로잉 기법으로 나누어진다. 펜 드로잉에서는 단색의 펜을 활용하여 그리는 기법을 다루며, 행동의 단순성을 이용해 실제 로봇을 이용한 드로잉으로 확장시켰다. 고급 드로잉 기법에서는 여러 스트로크에 대하여 일반화된 스트로크-조건부 페인팅 및 여러 재료를 모아 그림을 완성하는 콜라주 기법을 다룬다. 제시된 방법을 참고하면 드로잉과 관련한 인공지능 에이전트를 설계하고자 할 때 도움이 될 수 있다. 이러한 기술은 드로잉 소프트웨어, 영화, 애니메이션, 장난감, 공연 및 전시 등의 다양한 예술 산업에 활용될 수 있다.

People easily draw to express their thoughts, while drawing requires some level of aesthetic sense or even pondering ability. We can find drawing is a high-intellectual behavior when we recall the fact that drawing is common in people but not in animals. For that reason, hand-crafted algorithms devised for automated drawing have limitations representing the subtle pattern of diverse drawing styles. However, several recent artworks have engaged deep learning techniques, filling the gap between computational automation and aesthetic sense. Stroke-based rendering (SBR), one of the computer graphics-based drawing tasks, is a task placing ``stroke" such as brush touches and stipples on the digital canvas to complete target drawings. In this article, total 4 kinds of reinforcement learning algorithms for each style of SBR scenarios are presented. Those scenarios are divided into pen drawings and high-level drawings: pen drawing denotes doodle-like drawings drawn with single-colored pen, while high-level drawing denotes painting-like drawings drawn with diverse realistic strokes or some parts of magazines. This article can be a useful reference to artificial drawing agents using deep reinforcement learning, and the proposed methods can be utilized to various art industries such as drawing software, movies, animations, toys, shows, exhibitions, and so on.