💻 computer science

Generative-AI-Enhanced XR Data Services for Intangible Cultural Heritage: Culturally Constrained Symbol Generation and User Engagement in Indonesian Batik

본 연구는 인도네시아 바틱(Batik)을 위한 문화적 제약이 적용된 AI-XR 프레임워크를 제안하고 평가하며, 생성형 AI와 문화적 상징 검증의 통합이 전통적이거나 제약이 없는 디지털 경험과 비교하여 인지된 서비스 품질, 문화적 진정성 및 사용자 참여를 어떻게 유의미하게 향상시키는지 입증한다.

원저자: Xinyi Zhang

게시일 2026-09-29

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Xinyi Zhang

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

직물 속에 엮인 이야기들이 단순히 유리 진열장 안에 보존되는 것이 아니라, 방문객들이 실시간으로 만지고, 탐험하고, 심지어 재해로 상상할 수 있는 세상을 상상해 보십시오. 이것이 바로 기술을 사용하여 살아있는 전통을 유지하고자 하는 분야인 디지털 헤리티지(digital heritage)가 약속하는 바입니다. 이러한 노력의 중심에는 '무형 문화유산'이라는 개념이 있습니다. 손으로 잡을 수 있는 물리적 대상인 석상이나 회화와 달리, 무형 유산은 세대를 통해 전해 내려오는 기술, 지식, 그리고 의미로 구성됩니다. 그것은 패턴이 만들어지는 방식이고, 상징 뒤에 숨겨진 이야기이며, 그 관습을 지속시키는 공동체입니다. 연구자들의 과제는 이러한 깊은 문화적 뿌리를 존중하는 디지털 도구를 만드는 것입니다. 그들은 신성한 전통이 단순한 장식이나 일반적인 이미지로 변질되는 것을 피해야 합니다. 목표는 사람들이 문화의 정수를 왜곡하지 않으면서도 그 문화의 영혼과 교감할 수 있는 시스템을 구축하는 것입니다.

한 연구자가 인도네시아의 바틱(Batik)에 주목했습니다. 바틱은 복잡한 패턴과 깊은 상징적 의미로 알려진, 유네스코가 인정한 손으로 염색한 직물 전통입니다. 연구자는 어려운 질문을 던졌습니다. 인공지능이 그 특별함을 만드는 문화적 진실을 잃지 않으면서도 사람들이 이 패턴들을 새로운 방식으로 탐구하도록 도울 수 있을까? 이를 알아내기 위해 연구자는 세 가지 요소를 결합한 디지털 서비스를 구축했습니다: 새로운 패턴을 생성할 수 있는 컴퓨터 프로그램, 사용자가 갤러리를 걸어 다닐 수 있는 가상 현실 환경, 그리고 컴퓨터가 문화를 존중하도록 보장하는 엄격한 규칙 세트입니다. 연구자는 단순히 컴퓨터가 예쁜 그림을 만들 수 있는지 보고 싶었던 것이 아니라, 사람들이 그 경험이 존중받고 있으며, 정통성이 있고, 의미 있다고 느낄지를 알고 싶었습니다.

연구자는 먼저 바임(permission)을 적절히 확인하여 방대한 양의 바틱 이미지를 수집하며 시작했습니다. 연구자는 이 이미지들을 바틱 디자인의 규칙을 학습하도록 설계된 컴퓨터 시스템에 입력했습니다. 이 시스템은 가장 강력하거나 최신인 AI는 아니었지만, 연구자는 면밀히 모니터링할 수 있는 안정적이고 신뢰할 수 있는 방법을 선택했습니다. 컴퓨터는 바틱처럼 보이는 새로운 패턴을 만드는 법을 배웠지만, 여기에는 결정적인 안전장치인 '문화적 상징 제약(cultural-symbol constraint)'이 있었습니다. 이는 필터 역할을 하여 컴퓨터가 서로 다른 지역 스타일을 뒤섞거나 전통적인 규칙을 위반하는 터무니없는 디자인을 만들지 않도록 보장했습니다. 누군가 결과를 보기 전에, 바틱 문화 전문가 3명이 수백 개의 컴퓨터 생성 이미지를 검토했습니다. 그들은 1점에서 7점 척도로 점수를 매겼습니다. 평균 점수는 5.2점이었습니다. 이 숫자는 연구자에게 중요한 사실을 알려주었습니다. 즉, 컴퓨터는 안내된 학습과 탐색을 위해 사용될 만큼 충분히 훌륭하지만, 인간 장인을 대체하거나 스스로 완벽하고 정통적인 전통 작품을 창조하고 있다고 주장하기에는 아직 숙련도가 부족하다는 것이었습니다.

기술 테스트를 마친 후, 연구자는 다양한 배경을 가진 531명의 사람들을 초대하여 디지털 서비스를 체험하게 했습니다. 참가자들은 세 그룹으로 나뉘었습니다. 첫 번째 그룹은 정적인 이미지와 텍스트가 있는 표준 웹사이트를 보았습니다. 두 번째 그룹은 3D 공간에서 패턴을 둘러보며 걸어 다닐 수는 있지만, 아무것도 변경할 수는 없는 가상 현실 갤러리를 사용했습니다. 세 번째 그룹은 완전한 'AI-XR' 서비스를 사용했습니다. 그들은 가상 갤러리를 걸어 다닐 뿐만 아니라, 컴퓨터에 새로운 패턴을 생성하도록 요청하고, 다양한 스타일을 혼합하며, 디자인이 실시간으로 어떻게 변하는지 확인할 수 있었습니다. 연구자는 각 그룹이 서비스의 품질을 얼마나 높게 느꼈는지, 가상 공간에서 얼마나 몰입했는지, 그리고 경험이 문화적으로 정통하다고 믿는지 측정했습니다.

결과는 명확한 참여 경로를 보여주었습니다. 완전한 AI-XR 서비스를 사용한 그룹이 가장 높은 경험의 질을 보고했습니다. 그들은 더 많이 몰입했고 개인화된 기능이 유용하다고 느꼈습니다. 그러나 기술 자체가 성공을 만든 것은 아니었습니다. 연구는 높은 서비스 품질이 먼저 사람들이 마치 문화적 공간 안에 실제로 있는 것 같은 '현존감(presence)'을 느끼게 했다는 것을 발견했습니다. 이 현존감이라는 느낌이 그 후에 경험을 문화적으로 정통하다고 판단하는 데 도움을 주었습니다. 사람들이 경험이 전통에 충실하고 존중받는다고 느꼈을 때, 그들은 더 많은 호기심과 정서적 연결을 갖게 되었습니다. 이러한 연결은 결과적으로 그들이 서비스를 다시 사용하고 싶게 하거나 경험을 공유하게 만드는 동기가 되었습니다.

결정적으로, 본 연구는 컴퓨터의 이미지 생성 능력이 유일하게 중요한 것이 아님을 보여주었습니다. 만약 시스템이 아름다운 패턴을 생성했더라도 그것이 문화적으로 얕거나 무례하게 느껴졌다면, 기술이 아무리 발전했더라도 사용자들은 그것에 참여하지 않았을 것입니다. '문화적 상징 제약'과 전문가 검토는 필수적이었습니다. 그것들은 컴퓨터가 전통의 경계 내에 머물도록 보장했으며, 이를 통해 사용자들이 경험을 신뢰할 수 있게 했습니다. 연구자는 좋은 디지털 서비스에서 문화를 공유하고자 하는 욕구로 가는 길이 길며, 현존감과 정통성이라는 단계를 거쳐야 한다는 것을 발견했습니다. 그것은 '멋진 기술'에서 '문화적 사랑'으로 바로 뛰어오르는 직접적인 도약이 아니었습니다.

이 결과는 디지털 헤리티지의 미래를 위한 신중하면서도 희망적인 가이드를 제공합니다. 연구자는 인공지능이 살아있는 전통을 탐구하는 강력한 도구가 될 수 있지만, 이는 독립적인 창조자가 아닌 감독되는 조력자로 사용될 때만 가능하다는 결론을 내렸습니다. 기술은 문화적 설명, 전문가의 검증, 그리고 명확한 규칙이라는 층위로 감싸져야 합니다. 이러한 조건이 충족될 때, 디지털 서비스는 사람들이 전통과 같은 문화에 진정한 유대감을 느끼도록 도와, 그들이 더 많이 배우고 그 지식을 전달하도록 독려할 수 있습니다. 이 연구는 문화 보존의 미래가 인간의 공예를 기계로 대체하는 것이 아니라, 사람들이 패턴 뒤에 숨겨진 이야기를 스스로 발견할 수 있는 안전하고 존중받으며 매력적인 공간을 만들기 위해 기계를 사용하는 데 있음을 시사합니다.

기술 요약: 무형문화유산을 위한 생성형 AI 강화 XR 데이터 서비스

문제 제기
본 논문은 단순한 시각적 패턴을 넘어 복잡한 상징 체계, 지역적 역사, 공예 지식을 포함하는 인도네시아 바틱(Batik)과 같은 무형문화유산(ICH)의 디지털화 문제를 다룬다. 기존의 디지털 유산 애플리케이션은 유산을 정적인 아카이브로 취급하거나 문화적 충실도를 보장하지 않은 채 시각적 참신함에만 집중하는 경며이 있다. 생성형 AI는 개인화된 탐색의 가능성을 제공하지만, 상징을 전통으로부터 분리시켜 문화적으로 얕거나 부정확한 결과물을 생성할 위험을 내포하고 있다. 핵심 과제는 단순히 고품질 이미지를 생성하는 것을 넘어, 문화적 상징의 충실도와 인지된 진정성을 유지하면서 탐색을 지원하는 '데이터 서비스'를 구축하기 위해 생성형 AI와 확장 현실(XR)을 통합하는 프레임워크를 개발하는 것이다.

방법론
본 연구는 네 가지 통합된 구성 요소를 포함하는 혼합 방법론 설계를 채택하였다:

데이터셋 구축: 공공 도메인, 오픈 라이선스 및 기관 승인 소스로부터 선별된 3,850개의 바틱 이미지 코퍼스를 수집하였다. 이미지는 해상도(>512x512), 중복 여부, 워터마크를 기준으로 스크리닝되었으며, 두 명의 독립적인 문화 전문가에 의해 모티프 카테고리(예: Parang, Kawung, Mega Mendung)로 주석이 달렸다(상호 일치도 $\kappa=0.84$ ).
생성 모델 및 아키텍처: 시스템은 문화 데이터, 생성형 AI, XR 서비스, 평가의 4계층 아키텍처를 활용한다.
- 생성: 중간 규모의 데이터셋에서 학습 안정성을 확보하기 위해 WGAN-GP(Gradient Penalty가 적용된 Wasserstein GAN) 모델을 선택하였다. 이는 5개의 데콘볼루션 레이어를 가진 생성기와 5개의 컨볼루션 레이어를 가진 비판기(critic)를 사용한다.
- 개인화: 사전 학습된 VGG-19 인코더를 기반으로 하는 AdaIN(Adaptive Instance Normalization) 모듈을 통해 스타일 전이 및 사용자 제어 스타일 믹싱을 가능하게 한다.
- 제약 조건: 모티프 인식 가능성을 스크리닝하기 위해 ResNet-50 분류기(정확도 84.2%로 미세 조정됨)를 사용한다. 출력물은 문화적 상징 제약 모듈 및 전문가 검증의 대상이 된다.
- XR 인터페이스: 시스템은 WebXR(Unity 2022.3)을 통해 배포되어 공간적 탐색과 상호작용을 허용한다.
전문가 검증: 생성된 300개의 결과물을 세 명의 바틱 유산 전문가가 모티프 인식도, 상징적 일관성, 문화적 존중도를 포함하는 7점 척도 루브릭을 사용하여 평가하였다.
사용자 실험: $N=531$ 명의 참가자를 대상으로 (1) 2D 디지털 전시, (2) XR 전용 전시, (3) AI-XR 생성 서비스의 세 가지 조건을 비교하는 무작위 대조 시험을 실시하였다. AI-XR 조건은 XR 상호작용과 AI 모티프 생성 및 스타일 개인화를 결합하였다.
분석: 5,000개의 부트스트랩 샘플을 사용한 구조 방정식 모델링(SEM)을 통해 순차적 메커니즘을 테스트하였다: 인지된 서비스 품질 $\rightarrow$ 몰입형 현존감 $\rightarrow$ 인지된 문화적 진정성 $\rightarrow$ 문화적 참여 $\rightarrow$ 지속/전승 의도.

주요 기여

프레임워크 통합: 본 논문은 선별된 이미지 코퍼스, 생성 모델, 전문가 검증, 사용자 피드백 루프를 연결하여 단순한 단독 이미지 생성을 넘어 구조화된 서비스 아키텍처로 나아가는, 문화적으로 제약된 AI-XR 데이터 서비스 프레임워크를 제안한다.
기술적 포지셔닝: 본 연구는 문화 유산 맥락에서 WGAN-GP와 AdaIN의 투명하고 과장되지 않은 평가를 제공한다. 저자는 이 방법들이 StyleGAN이나 Latent Diffusion 모델에 비해 최첨단(SOTA)은 아니지만, 제약된 문화 데이터셋에 대한 해석 가능성, 안정성 및 적합성 때문에 선택되었음을 명시적으로 인정한다.
이론적 메커니즘: 본 연구는 전문가가 평가한 문화적 상징 충실도(기술적 검증)와 사용자가 인지하는 문화적 진정성(심리학적 판단)을 구분하는 간결한 경험적 모델을 제시한다. 또한 기술적 참신함만이 아니라, 서비스 품질이 현존감과 진정성을 거쳐 문화적 참여를 유도하는 과정을 입증한다.

결과

알고리즘 성능: 결합된 WGAN-GP + AdaIN 모델은 FID 78.3 및 KID 0.041을 달성하여 DCGAN 및 단독 WGAN-GP 베이스라인보다 우수한 성능을 보였다.
전문가 충실도: 전문가 평가는 평균 5.2/7점을 기록하였다. 저자는 이를 "중등/자격 있는 개연성"으로 해석하며, 이는 전문가의 큐레이션 하에 가이드된 교육적 탐색에는 적합하지만, 전통적인 공예를 대체하거나 높은 수준의 재현을 주장하기에는 부족함을 의미한다.
사용자 실험: AI-XR 조건의 참가자들은 2D 및 XR 전용 조건에 비해 인지된 디지털 유산 서비스 품질, 개인화, 시각적 생성 품질에서 유의미하게 높은 점수를 보고하였다.
SEM 결과: 모든 가설 경로가 지지되었다 ( $p < .001$ ). 인지된 서비스 품질은 몰입형 현존감( $\beta=0.55$ )에 긍정적인 영향을 미쳤고, 이는 다시 인지된 문화적 진정성( $\beta=0.34$ )에 영향을 주었으며, 문화적 참여( $\beta=0.46$ )로 이어져 최종적으로 지속 의도 및 유산 전승 의도를 예측하였다.
매개 효과: 직렬 간접 효과는 통계적으로 유의미했으나 그 크기는 작았는데, 이는 서비스 품질이 연쇄 반응을 시작하기는 하지만, 문화 전승 의도는 단기적 노출 이상의 것을 요구하는 원격적 결과임을 나타낸다.

의의 및 주장
본 논문의 주요 의의는 살아있는 유산을 위한 "이미지 참신함"에서 "책임 있는 AI-XR 서비스 디자인"으로 초점을 전환하는 데 있다고 주장한다.

겸손한 기술적 주장: 저자는 새로운 이미지 생성 벤치마크를 제시하려는 것이 아님을 명시한다. 기여점은 경량화되고 제약된 생성 모듈을 유산 서비스 아키텍처에 통합한 것에 있다.
제한된 실현 가능성: 본 연구는 AI 생성 바티프 모티프가 아직 인간의 큐레이션이나 전통적 권위를 대체할 만큼 성숙하지 않다고 결론짓는다. 대신, 문화적 설명, 전문가 큐레이션 및 투명한 라벨링이 동반될 때 "가이드된 교육적 탐색"을 위한 도구로서 유효하다.
문화적 제약: 생성 품질 그 자체만으로는 불충분하며, 의미 있는 참여는 문화적으로 제약된 검증과 사용자의 진정성 인지에 달려 있음을 강조한다. 시스템은 공동체 기반의 전승과 공예 지식을 대체하는 것이 아니라 지원하도록 설계되었다.
서비스 로직: 본 연구는 디지털 유산을 정적인 기록에서 생성, 큐레이션, 사용자 피드백이 문화적 수용성을 보장하기 위해 순환 루프 내에서 작동하는 역동적인 데이터 서비스로 재정의한다.

유사한 논문