포즈넷(PoseNet) 모형을 활용한 애니메이션 분석 연구: 애니메이션 캐릭터의 자세 추정을 중심으로

Abstract

인공지능의 한 분야인 딥러닝 기술의 발전으로 디지털 영상 연구의 새로운 가능성이 열리게 되었다. 본 연구에서는 자세추정 딥러닝 모형인 포즈넷 (PoseNet)에 대해 개괄하고, 포즈넷을 이용하여 다양한 애니메이션 캐릭터의 자세분석을 시도하였다. 2D 카툰 스타일, 아니메 스타일, 3D 스타일 등의 애니메이션 캐릭터의 동작 데이터를 의인화의 구조적 유사성을 기준으로 5단계로 분류하고, 포즈넷 모형을 통해 동작분석 및 자세추정을 시도하였다. 포즈넷 자세추정 결과를 실제 관절구조의 자세추정치와 비교하여 유사도를 측정하였다. 연구결과 애니메이션 캐릭터의 해부학적 유사도와 신체비율이 실제에 근접할수록 포즈넷의 수행도가 증가하였으며 포즈넷 이미지와 추정치 간의 픽셀 차이 분석에서도 실사에 가까울수록 실제 차이 값이 감소하였다. 이를 통해 포즈넷과 같은 딥러닝 모형은 애니메이션 캐릭터의 동작분석에 효과적인 분석도구로 활용될 수 있음을 확인하였다. 또한 과장이 크게 적용된 애니메이션 데이터들을 추가로 충분히 학습시키는 과정을 통해 특정 스타일의 애니메이션 동작 및 자세추정에 특화된 모형의 개발을 기대할 수 있다.

The development of deep learning technology, a field of artificial intelligence, has opened up new possibilities for digital image research. In this study, the PoseNet, a posture estimation deep learning model, was outlined, and posture analysis of various animation characters was attempted using PoseNet. The motion data of animation characters such as 2D Cartoon Style, Anime Style, and 3D Style were classified into five stages based on the structural similarity of personification, and motion analysis and posture estimation were attempted through a PoseNet model. The similarity was measured by comparing the results of PoseNet posture estimation with the actual posture estimation of the character’s joint structure. As a result of the study, the closer the anatomical similarity and body ratio of animation characters approached the reality, the higher the performance of PoseNet and the lower the actual difference value in the analysis of pixel differences between PoseNet images and estimates. Through this, it was confirmed that deep learning models such as PoseNet can be used as an effective analysis tool for analyzing the motion of animation characters. In addition, the development of a model specialized in animation behavior and posture estimation of a specific style can be expected through the process of further sufficiently training animation data with large exaggerations.