박사학위 논문 프로포절2026. 10. 17

인터렉티브 아트 전시를 위한 NCA기반 생장과정 생성 모형 개발  

– 엽상형 지의류 생장과정을 중심으로 –

Development and Validation of a Model for Reconstructing and Generating Lichen Growth Processes for Immersive Media Content: Focusing on Particle-Based Neural Cellular Automata

박성하홍익대학교 대학원 AI·실감미디어콘텐츠학 
- 제목: 연구자 선택(10/17 후보 10안 중 2번) + 두 심판 공통 권고(「개발 연구」 → 「개발 및 검증」 · 부제에 「입자 기반」) · 면담에서 확정. - 영문 「재생」 = Reconstructing(조직 재생 · 영상 재생 오독 방지 · 10/17 페이블).
도입

연구 동기

1
조각 작업
퇴적암과 시간
퇴적암 조각 과정에서 층위에 축적된 시간에 대한 관심
2
지의류 관찰
암석 위의 느린 생장
암석 표면에서 수십 년에 걸쳐 진행되는 지의류 생장의 관찰
3
생성 AI 실험
생성 영상의 한계
생성 영상으로 구현한 지의류 생장 과정과 실제 생장 양상의 불일치
4
생장 모형 제작
규칙 학습 모형
작가가 직접 설계 · 수정하는 생장 모형의 제작
문제 의식 1
생성된 생장 과정과 실제 생장의 정합성
문제 의식 2
생성 도구에 대한 작가의 수정 · 재실행 가능성
박성하 · 박사학위 논문 프로포절연구 동기02
- 개인 배경은 발표 도입에만 사용, 논문 본문에는 넣지 않음(10/13 연구자 결정).
1.1 연구 배경 · 산업 · 사회적 배경

생성형 AI의 확산과 대두된 문제

생성형 AI의 확산
  • 생성형 AI 기업 민간 투자 1,709억 달러(2025, 전년 대비 200% 이상 증가)Stanford HAI 2026
  • 언어 · 이미지 생성을 넘어선 영상 생성 모형의 잇따른 출현OpenAI · Google DeepMind · Kuaishou · Runway 2024–2025
  • 생명체의 움직임과 생장 과정의 생성OpenAI 2024 · Yuan et al. 2025

시간에 따른 변화 과정까지 생성 대상에 포함

할루시네이션
  • 개발사가 인정한 기본적 물리 상호작용의 재현 한계OpenAI 2024
  • 시각적 사실감이 물리 이해를 보장하지 않음Motamed et al. 2026
  • AI 생성 야생동물 영상의 생물 인식 왜곡 위험 지적Guerrero-Casado et al. 2026, 논평

시각적 사실감과 별개인 생물학적 개연성 검증 필요

균질화
  • 이미지 생성 · 설명 자동 반복의 소수 모티프 수렴Hintze et al. 2026
  • 생성형 AI 도입 작가 작품의 시각적 참신성 감소Zhou & Lee 2024
  • 생성형 AI 아이디어를 활용한 글 사이의 유사성 증가Doshi & Hauser 2024

작가 개인의 자료로 구축한 생성 모형 필요

도구 종속
  • 주목할 만한 AI 모형의 90% 이상 기업 개발 · 최고 성능 모형이 가장 불투명Stanford HAI 2026
  • 상용 생성 모형 API 종료: Sora 2(2026.9.24) · 대체 모형 없음OpenAI 2026
  • 예술 분야의 작가 직접 실행 · 수정 모형 요구 대두Canet Solà & Guljajeva 2025, 입장 논문

생성 규칙의 수정 · 재실행 · 보존 가능한 도구 필요

박성하 · 박사학위 논문 프로포절서론03
- 10/14 11:2x 연구자 제안 · 합의: 위 가로 띠 = 확산(전제) · 아래 세로 세 칸 = 대두된 문제(할루시네이션 · 균질화 · 도구 종속 — 10/14 13:1x 「도구의 통제」에서 개칭). 균질화는 연구문제 1 개체 시드 · 작가 고유 규칙과 이어짐(연구자 "다양성 회복을 위해 스스로 모델을 만든 것"). 균질화 근거 셋째 Hintze et al.(Patterns 2026) 추가. - 10/14 결정: 연구 1 지표에 생성 개체의 형태 변이 재현(다양성 지수) · 가설 1-3. 균질화 필요 줄은 「다양한」 없이(다원화 효과는 검증하지 않음 · 발표 말로). - 질문 대비 「공개 모형(Wan 등)을 쓰면 되지 않나」: 공개된 것은 가중치와 실행 코드뿐(오픈 웨이트) · 학습 코드와 학습 자료는 비공개(Wan2.1 공개 저장소 파일 목록 · README). OSI 오픈소스 AI 정의 1.0 은 학습 자료 정보 · 학습 코드 전체 · 가중치 세 요소를 모두 요구. Stanford HAI 2026: 2025년 주목할 만한 모형 102개 중 81개가 학습 코드 미공개. 따라서 재학습 불가 · 균질화의 원천인 학습 자료 확인 · 교체 불가 · 생장 방식을 규칙 수준에서 수정 불가 → 생성 규칙의 수정 · 재실행 · 보존 가능한 도구 필요. - 질문 대비 「영상에도 할루시네이션이라는 말을 쓰나」: Motamed et al.(WACV 2026)도 영상의 물체 출현 오류에 hallucination 을 사용 · 본 연구 정의는 개념 정의 장의 세 유형. - 원전 · 쪽: PARK lichen_data/refs_intro_20261014/verified.tsv.
1.1 연구 배경 · 학술적 배경

생장 과정 생성 연구의 유형

생장 과정 표현 방법별 연구와 한계

영상 생성 모형

대규모 영상 자료로 학습한 모형의 화소 단위 영상 생성

  • 사람 · 동물 · 환경의 일부 측면을 모사하는 영상 생성OpenAI 2024
  • 꽃 개화 등 변태 과정의 저속 촬영 영상 생성Yuan et al. 2025
  • 세포 정지 영상 1장 기반 이전 · 이후 영상 생성Boyer et al. 2026
한계일반 영상 위주의 학습 자료 · 느린 생장 과정 자료의 희소Yuan et al. 2025 · 생장 규칙 없는 화소 생성
규칙 기반 모형

연구자가 작성한 생장 규칙의 반복 적용

  • 확산 제한 응집 · L-system 기반 지의류 표현Desbenoit et al. 2004
  • 세포 자동자 기반 지의류 · 이끼 생장 표현Prachumrak & Chatchawal 2013
  • 정지 3차원 나무 모형에 수렴하는 생장 과정Pirk et al. 2012
한계실제 개체 자료로부터의 규칙 학습 부재 · 실제 개체와의 정량 대조 부족
규칙 학습 모형

관찰 자료에서 국소 생장 규칙의 신경망 학습

  • 목표 이미지 1장 기반 신경 세포 자동자(NCA) · 약 8,000 매개변수Mordvintsev et al. 2020
  • 점균 저속 촬영 영상 기반 역 세포 자동자윤경원 2018
  • 모의 정지 배치 기반 세포 집단 규칙 학습Minartz et al. 2025
한계연속 영상 · 단일 목표 이미지 · 모의 자료 의존 · 실제 개체 반복 관측 대조 부족
공백
영상 생성 · 규칙 기반 · 규칙 학습 모형으로 생장 과정 생성 연구가 이루어지고 있으나, 지의류처럼 시계열 관측 자료가 부족한 느린 생장 생물의 생장 과정 생성 연구는 충분히 이루어지지 않음

검토 범위: 국내외 문헌 497편 · NCA 계열 문헌 316편(2026.10.13 기준)

박성하 · 박사학위 논문 프로포절서론04
- 10/17 13:4x 공백 문장 수정(연구자 「이러저런 연구가 이루어지고 있으나 시간쌍 자료가 부족한 지의류 같은 건 아직 연구가 잘 되지 않았다는 것 아닐까」 · 「ㅇㅇ」): 세 유형의 한계(느린 생장 자료 희소 · 연속 영상 의존 · 실제 개체 자료 학습 부재)를 자료 조건 하나로 모음 · 방법(정지 사진 학습 · 반복 관측 검증)은 공백이 아니라 연구문제 쪽으로 · 「시간쌍」 → 화면 「시계열 관측 자료」 · 끝맺음은 김성빈 2026-07 p.4 꼴 「충분히 이루어지지 않음」(부재 단정 회피). 근거: Yuan et al. 2025 p.1–2 · Naimi et al. 2023 p.1(지의류는 느려 변화가 드러나는 데 수년) · 윤경원 2018 · Wang 2024 · Minartz 2025. - 10/17 13:1x 「선행연구의 공백과 연구문제」 쪽을 없애고 공백을 이 쪽 맨 아래 한 줄 결론으로(연구자 「그러자」 · 연구실 프로포절 꼴: 김성빈 2026-07 p.4 「기존 연구는 … 개별적으로 다뤄 왔으나 … 충분히 이루어지지 않음」 · 박선주 2026-07 p.4 「… 있으나 … 부재」 → 다음 쪽 연구문제). 옛 공백 표(재생 · 생성 · 적용 세 줄 · Palm 2022 · Hansali 2025 · Canet Solà 2025 등)는 생성기 「공백과 연구문제」 코드에 보존 · 화면 제외. NCA 주목 줄은 셋째 칸 첫 항목(약 8,000 매개변수)으로 합침. - 10/17 재구성(10/16 연구자 「생장 과정을 표현하기 위해 규칙 기반 · 영상 생성 AI · NCA가 있는데, 각각 이러한 연구들이고 이런 한계가 있다」 · 10/17 「응」): 세 유형 = 영상 생성 모형 → 규칙 기반 모형 → 규칙 학습 모형(NCA 계열). 순서는 10/16 두 심판 일치(4쪽 사회적 배경의 영상 생성에서 이어짐). - 옛 분류(규칙 설계 · 정지 형태 기반 · 규칙 학습) 재배치: Pirk 2012 → 규칙 기반 · Boyer 2026 → 영상 생성(10/16 두 심판) · Irger & Viola 2025 · Turing 1952 는 2장(2.1 · 2.2)에만 · 백업 gen_deck_v23_pre_s4_20261017.py. - 영상 생성 한계 근거: MagicTime(Yuan et al., TPAMI 2025) p.1–2 · p.4 학습 자료가 일반 영상 위주(WebVid 등) → 씨앗 발아 · 꽃 개화 같은 변태 과정 표현 어려움. 「자료가 없다」가 아니라 「희소」(10/16 두 심판). - 메모용 숫자(화면 금지 · 10/16 두 심판): ChronoMagic-Pro 설명문 46만 5,668개 중 lichen 낱말 331개(0.07%) · 대부분 배경 묘사(Claude 낱말 검색 · PARK timelapse_data_check_20261016) · 설명문 낱말 수이지 생장 영상 수가 아님. Udandarao et al.(NeurIPS 2024)는 이미지 모형(드문 개념의 낮은 성능) → 화면에 영상 성능 주장 금지. 지의류 촬영 자료는 전문 · 소량(Naimi et al. 2023 · 3종 1,207장). - 규칙 기반 한계 근거: Desbenoit 2004 초록 · 5절(연구자 설계 규칙 · 실제 지의류는 참고 그림 · 정량 대조 없음) · Prachumrak 2013 초록. - 규칙 학습 근거: Mordvintsev 2020 Distill(목표 이미지 1장 · 약 8,000 매개변수) · 윤경원 2018 p.i · p.37(점균 저속 촬영 영상 1편 · 120×120 화소 · 시각 비교) · Minartz 2025 pdf p.5(실제 반복 6회 → 시뮬레이터 최종 배치로 학습) · p.7(실제 저속 촬영과 대조). - 원전: PARK refs_intro_20261014(verified.tsv) · papers_20261013/pdf.
1.2 연구문제

연구문제

앞선 연구 배경과 선행연구의 공백을 바탕으로 다음의 연구문제 설정

총괄 연구문제

지의류의 사진과 생장 규칙을 바탕으로, 인공지능 신경망이 개연성 있는 생장 과정을 재생할 수 있는가?

세부 연구문제
1
재생

지의류의 생장 과정을 재생하는 신경망 생장 모형은 어떻게 구성되며, 재생한 과정은 동일 개체의 이전 사진과 얼마나 일치하는가?

2
생성

신경망 생장 모형으로 생성한 새로운 개체의 형태와 생장 과정은 실제 지의류와 얼마나 유사한가?

3
적용

재생 · 생성한 생장 과정은 실감미디어콘텐츠에 어떻게 적용될 수 있는가?

박성하 · 박사학위 논문 프로포절서론05
- 10/17 13:1x 연구자 「ㅇㅇ」: 총괄 연구문제 쪽을 연구실 프로포절 꼴(박선주 · 김성빈 2026-07 p.5: 「앞서 논의된 연구 배경을 바탕으로」 + 연구문제 전부 한 쪽)의 연구문제 쪽으로 · 총괄 + 세부 1 재생 · 2 생성 · 3 적용 질문(가설은 「세부 연구문제와 가설」 쪽 · 접힘). - 총괄 연구문제: 10/13 확정 문장의 「있을 법한」 → 「개연성 있는」(10/13 연구자) · 「현재의」 → 「지의류의」(10/17 연구자 「큰 질문은 두고」 · 10/16 「엽상 지의류」 대신 「지의류」). - 세부 연구문제: 10/17 연구자 확정(「대전제 + 실천적 세부」 · 말투 「너무 인공지능스러운 말투」 반영).
편집