GAN 능력 어디까지?…프린스턴대 학생, 중국 전통 산수화 제작

학부생이 전통화에 적합한 기술 개발...242명 대상 튜링 테스트 진행
전통 산수화가 밑그림과 화법 과정을 모방하도록 두 가지 단계로 설계·훈련
SAPGAN은 사실성과 예술적 구성 모두에서 우수한 성능 발휘 평가

생성적 적대 신경망(GAN)의 활용범위가 넓어지고 있다. 최근 몇 년 사이 이 AI기술은 더욱 진화를 이뤄 ‘진짜 같은 가짜’ 예술까지 만들어내고 있다.

AI 및 산업전문 매체 싱크드는 30일(현지시간) 프린스턴대 학생 앨리스 슈에가 제작한 GAN 프레임워크에 대해 보도했다. 중국 전통 산수화를 그려내는데 대부분 작품이 실제 인간이 그린 작품과 구별할 수 없을 만큼 똑같다고 한다.

스케치-앤-페인트GAN(SAPGAN)이란 이름이 붙은 이 기술은 처음으로 중국 산수화에 도입된 종단 간 모델이다. 슈에는 242명의 실험참가자들을 대상으로 실제 산수화와 SAPGAN이 그린 산수화를 놓고 튜링 테스트를 진행했다.

튜링 테스트란 1950년 영국 수학자 앨런 튜링이 제안하면서 알려진 ‘기계가 인공지능을 갖추었는지를 판별하는 실험’이다. 실험 결과 대부분의 참가자들은 SAPGAN이 그린 산수화를 인간이 그린 예술품이라고 혼동한 것으로 나타났다.

슈에는 SAPGAN이 중국 전통 산수화가의 밑그림(스케치)과 화법(페이팅) 과정을 모방하도록 두 가지 단계로 설계·훈련시켰다. 첫 번째는 엣지맵 생성을 위한 스케치GAN 기술 습득이고, 두 번째는 엣지-투-페인팅 변환을 위한 페인트GAN 구성요소를 익히는 것이다. 이 과정을 위해 슈에는 박물관에 소장돼있는 고급 중국 전통 산수화 2192점을 SAPGAN에 훈련시켰다.

슈에가 제작한 SAPGAN은 기존 GAN 기술보다 한 단계 더 산수화에 적합한 기술이다. 그는 “대중적인 GAN 기술은 미술에 AI를 도입하는 과정에서 불필요한 조건부 입력(conditional input)이 뒤따른다”고 설명했다. 비효율적인 과정이 많다는 뜻이다.

조건부 입력에 의존한 모델은 사람이 제공한 단일 입력에 기초하기 때문에 한정된 생성능력을 갖는다. 창조가 아닌 파생 예술품만을 생산하는 AI에 지나지 않는다는 것이 슈에의 주장이다.

SAPGAN 모델 프레임워크 생성과정을 설명한 그림. (사진=Synced).

이를 탈피하기 위해 개발된 SAPGAN은 조건부 입력에 의존하지 않는 모델로, 무한한 그림 집합체를 생성할 수 있다. 종단 간 생성과정을 통해 그림체는 물론 표현법과 내용까지 예술적으로 다양하게 제작할 수 있다.

SAPGAN은 사실성과 예술적 구성 모두에서 더 우수한 성능을 발휘한다는 평가를 받았다. 슈에는 “이 연구가 AI와 접목한 진정한 독창적 미술세계의 토대를 마련했다”고 자평했다. 이어 “꼭 중국 전통화에만 국한된 것이 아닌, 다른 예술적 창조를 위해서도 사용되길 바란다”고 말했다.