미드저니를 활용한 모빌리티 분야 CMF 텍스처 이미지 생성 연구 - 프롬프트 엔지니어링과 실무 적합성 검증 -

Abstract

연구배경 최근 모빌리티 디자인 분야에서 CMF(Color, Material, Finish)는 브랜드 정체성과 감성적 가치를 결정짓는 핵심 요소로 주목받고 있다. 특히 미드저니(Midjourney)와 같은 생성형 AI를 활용하면 간단한 프롬프트 입력만으로도 CMF 텍스처를 신속하게 생성할 수 있다. 그러나 체계적인 프롬프트 엔지니어링 가이드라인이 부족하여 품질과 일관성 문제가 지속적으로 제기되고 있다. 연구방법 본 연구에서는 CMF 요소를 색채, 소재, 마감 세 가지로 구분하고 각 요소에 적합한 프롬프트 키워드와 구조를 설계하였다. 이후 미드저니(v5.2)를 활용하여 모빌리티에 적용 가능한 AI 기반 텍스처를 생성하고 생성된 이미지의 품질을 평가하였다. 또한, 3D 렌더링 소프트웨어를 활용한 실무 검증과 전문과 피드백을 통해 AI 기반 CMF 텍스처의 적용 가능성을 분석하였다. 연구결과 소재 중심의 프롬프트가 가장 정확한 결과를 생성한 반면, 색채 및 마감 중심의 프롬프트에서는 부정확한 이미지가 다수 생성되었다. 또한, 해상도 부족과 타일링(Tileability) 문제로 인해 포토샵을 활용한 업스케일링 및 이음새 제거 등 후처리 과정이 필수적임이 확인되었다. 결론 AI 기반 CMF 텍스처 생성은 빠르고 효율적인 디자인 탐색이 가능한 도구임이 입증되었다. 그러나, 실제 소재와의 차이, 일관성 부족 등의 한계가 존재하며, AI 생성 텍스처를 실제 물리적 CMF로 변환하는 연구가 추가적으로 필요하다. 향후 다양한 AI 모델 비교 및 AR/VR 기술 접목을 통해 더욱 현실적인 디자인 적용 방안을 마련할 필요가 있다.

Background In the field of mobility design, CMF (Color, Material, Finish) has emerged as a key factor in defining brand identity and emotional value. Generative AI tools such as MidJourney enable the rapid creation of CMF textures with simple prompt inputs. However, the lack of systematic prompt engineering guidelines has led to ongoing issues related to quality and consistency. Methods This study categorizes CMF elements into three components: color, material, and finish. It then establishes optimized prompt keywords and structures for each component. Using MidJourney (v5.2), AI-generated textures applicable to mobility design were created and evaluated for quality. Additionally, practical verification was conducted using 3D rendering software, along with expert feedback, to analyze the applicability of AI-generated CMF textures in real-world scenarios. Result Prompts focused on material properties yielded the most accurate results, whereas color- and finish-oriented prompts often generated inaccurate images. Furthermore, issues such as low resolution and tiling (tileability) necessitated post-processing steps, including upscaling and seam removal using Photoshop. Conclusion AI-generated CMF textures have proven to be a fast and efficient tool for design exploration. However, limitations remain, including discrepancies from real materials and inconsistencies in generated outputs. Further research is needed to bridge the gap between AI-generated textures and physical CMF materials. Future studies should explore comparisons between different AI models and the integration of AR/VR technologies to enhance the realism and practical application of AI-generated CMF designs.