홍익대학교 HIDE Lab. 연구팀(박기철 교수/기계시스템디자인공학과, 황석영/IDAS SDE, 김주성/IDAS SDE)이 인공지능을 활용해 제품의 Aesthetic(미감)을 객관적으로 평가할 수 있는 기술을 개발했다. 홍익대 국제디자인전문대학원 석사과정 황석영, 김주성 연구원이 주도한 이번 연구성과는 국제적 권위지인 IEEE Access에 논문으로 발표되었다.

연구팀이 발표한 논문 'Visual Similarity Assessment for Product Aesthetic Properties Using Single Reference Training'은 기존 미적 평가 방식의 새로운 접근법을 담고 있다. 지금까지는 인공지능을 활용한 제품 디자인 평가 방법은 수많은 제품에 대해 일일이 선호도를 조사하고 라벨링하는 방식이 주류였다면, 이번 연구는 단 하나의 '가장 선호도가 높은 제품'만을 기준으로 삼아 다른 제품들의 Aesthetic Preference(미적 선호도)를 판단할 수 있는 방법을 제시했다.
 

구체적으로 연구팀은 30개의 홈 오디오 스피커를 대상으로 44명의 참가자가 평가한 미적 선호도 데이터를 분석했다. 이를 바탕으로 4가지 서로 다른 딥러닝 모델(Pre-trained CNN, Auto-encoder, Siamese Network, Triplet Network)을 구축하여 가장 선호도가 높은 제품과 나머지 제품들 간의 시각적 유사도를 측정했다. 놀라운 결과가 나타났는데, 시각적 유사도와 실제 미적 선호도 사이에서 통계적으로 유의미한 상관관계가 발견된 것이다. Triplet Network 모델의 경우 상관계수 r = 0.448(p = 0.013), Pre-trained CNN 모델에서는 r = 0.478(p = 0.008)의 상관관계를 보였으며, 점수의 편차가 큰 경우 개인적 취향에 의한 것으로 가정하고 해당 제품들을 제외하면 최대 r = 0.738까지 상관관계가 높아졌다.

더욱 흥미로운 점은 AI가 학습한 이미지 특징들을 주성분 분석(PCA)을 통해 해석해보니, 인간이 느끼는 'Novelty(참신성)', 'Balance(균형)', 'Dynamic(역동성)', 'Complexity(복잡성)' 등의 미적 요소들과 일치하는 패턴을 찾아낸 것이다. 이는 AI가 단순히 이미지를 분류하는 것을 넘어서 인간의 미적 감각과 유사한 판단 기준을 학습할 수 있음을 시사한다. 해당 연구는 새로운 제품을 개발할 때 소비자 대상 대규모 설문조사 없이도 기존의 성공작과 비교해 미적 완성도를 빠르게 진단할 수 있게 된 것이다. 특히 기존의 주관적 평가 방식에서 벗어나 데이터 기반으로 사용자들의 미적 선호도를 객관적으로 측정할 수 있는 새로운 방법론을 제시했다는 점에서 의의가 크다. 실무에 적용 시에는 디자인 초기 단계에서 여러 컨셉 중 어느 것이 더 매력적일지 예측하는 데 활용될 전망이다.

IEEE Access는 임팩트 팩터 3.6, CiteScore 9.0을 기록하는 공학 분야  대표 SCIE 국제학술지로 로보틱스, 인공지능, 컴퓨터 과학, 전기전자, 바이오메디컬, 소재, 통신 등 다양한 공학 분야의 융합 연구를 다루며, 전통적인 저널과 달리 분야를 국한하지 않고 다학제적(Multidisciplinary) 성격을 강조하며, 산학협력 기반 응용연구, 실험적 시도, 프로토타입 기반 연구, 데이터 중심 분석 등 실용성과 학문적 기여를 모두 충족하는 연구를 적극적으로 수용하며, 디자인, 인공지능, HCI와 같은 인접 분야의 연구들도 전통적인 공학 기반 위에서 논리적 체계를 갖춘 경우 적극적으로 다루고 있다.

https://ieeexplore.ieee.org/document/11104246