이 연구는 이미지 생성 분야에서 놀라운 성능을 보여주는 적대적생성신경망(GAN)을 활용하여 초상화에 대한 기계학습을 바탕으로 사실적인 이미지를 생성하는 과정과 결과를 분석하고 있다. 서양의 초상화를 기반으로 사진 찍힌 적이 없는 과거의 인물을 복원하려는 시도는 있었지만 한국의 초상화를 대상으로 한 연구는 없었다. 이 연구는 조선의 어진과 사대부의 초상화를 기계학습 데이터로 삼아 태조 이성계를 비롯한 역사 속 인물들의 생성사진을 제작하는 과정과 결과를 면밀하게 검토하였다. 생성 도구로는 StyleGAN2를 바탕으로 한 생성 이미지 제작 플랫폼 아트브리더를 활용했다. 학습 데이터로는 조선의 어진, 사대부의 초상화, 정부표준영정을 사용했다. 연구 결과 StyleGAN2는 초상화를 사진처럼 사실적으로 생성한다는 사실을 확인했다. 그러나 StyleGAN2가 서양의 사진 데이터베이스를 기반으로 구축된 모델이어서 학습 데이터에 없는 조선의 사모와 관모 등을 서양인의 일반적인 헤어스타일로 변형시키는 한계를 보여주었다. 또한 파라미터를 지정하지 않고 완전 자동생성 방식으로 생성을 진행했을 때는 학습 데이터의 평균치로 수렴하는 형상을 산출하였다.

이 연구는 이미지 생성 인공지능의 성능과 한계를 실제 생성사진 제작을 통해 검토해 본 결과물이다. 한국 초상화의 기계학습을 바탕으로 시각적으로 사진과 다를 바 없는 이미지를 생성해 봄으로써 생성 인공지능의 가능성과 문제점을 확인해보고자 했다. 적대적생성신경망 기반의 생성 인공지능을 활용하여 산출한 이미지는 초상화와의 유사성을 유지함은 물론이고 매우 사실적인 시각적 특질을 보여주었다. 그러나 생성 이미지가 사진처럼 보임에도 불구하고 초상화에 표현된 조선의 사모와 관모 등은 제대로 합성되지 않았다. 즉 생성 인공지능은 학습 데이터에 없는 요소들을 변형, 왜곡시키는 한계를 드러냈다. 또한 GAN 수치를 최대치로 설정할 경우, 요컨대 완전 자동생성의 경우 모든 초상화는 스테레오타입으로 수렴하는 결과를 보여주었다. 개별 인물의 특질이 사라지는 셈이다. 결국 생성 인공지능의 생성 방향은 결정되어 있고, 그 궁극적 귀결점은 로봇의 세계다. 이 모순과 암울한 전망에 맞서기 위해서는 인간의 적극적 개입이 필요하다.

박평종. (2023). 이미지 생성 인공지능의 가능성과 한계-한국 초상화 기반 생성사진 제작 사례. 한국사진학회지 AURA, 51, 8-22.