본 연구의 목적은 생성형 AI를 활용하여 실제 인물 이미지를 제작하는 주요 기술인 페이스 스왑(Face Swap) \r\n알고리즘의 성능을 비교·분석하는 것이다. 이를 통해 다양한 알고리즘에 대한 이해를 높이고, 사용자에게 유용한 \r\n정보를 제공하는 것을 목표로 한다. 연구에 사용된 알고리즘은 스테이블 디퓨전(Stable Diffusion) 기반의 대표\r\n적인 페이스 스왑 기술인 루프(roop), 리액터(reactor), 페이스스왑퍼(swapper), IP 어댑터(IP-adapter)로 선정\r\n되었다. 연구 방법으로는 기준 이미지와 타겟 이미지를 바탕으로 각 알고리즘을 적용하여 생성된 이미지를 주관\r\n적 평가와 유사도 평가를 통해 비교하였다.\r\n주관적 평가는 실제 인물의 아이덴티티를 얼마나 잘 반영했는지에 대한 사용자의 선호도를 측정하였고, 유사\r\n도 평가는 생성된 이미지와 타겟 이미지 간의 시각적 유사도를 정량적으로 분석하였다. 분석 결과, 페이스스왑\r\n퍼(swapper) 알고리즘이 주관적 평가에서 가장 많은 선택을 받았으며, 유사도 평가에서도 가장 높은 점수를 기\r\n록하였다. 그에 비해 다른 알고리즘들은 타겟 인물의 특성을 반영하는 데 있어 일부 제한점을 보였다.\r\n본 연구는 이러한 알고리즘의 성능 차이를 명확히 제시함으로써, 개발자, 연구자, 그리고 아티스트들이 생성형 \r\nAI 기술을 효과적으로 활용할 수 있는 정보를 제공한다. 이로써 페이스 스왑 기술을 활용한 실제 인물 이미지 \r\n제작의 정확도와 효율성을 향상시키는 데 기여할 것으로 기대된다.
로딩중...
