Toon3D: 새로운 시각에서 보는 만화

 (toon3d.studio)
1P by GN⁺ | ★ favorite | 댓글 1개
  • Toon3D는 같은 장면을 그린 만화·애니메이션 이미지에서 카메라 포즈와 밀집 3D 구조를 복원해, 실제로 그려진 적 없는 시점의 뷰를 합성하는 방법임
  • 손그림 장면은 명시적 3D 일관성이 부족해 기존 SfM이 실패하기 쉽고, Toon3D는 이미지를 변형하면서 카메라와 장면 기하를 함께 맞춤
  • 파이프라인은 Marigold 깊이 예측, SAM transient mask 후보, Toon3D Labeler의 사람 라벨링을 결합해 대응점과 transient 영역을 정렬에 반영함
  • 복원된 밀집 포인트 클라우드는 Gaussian Splatting 초기화에 쓰이며, Nerfstudio 기반 최적화와 깊이 정규화로 만화 장면의 fly-through 렌더를 생성함
  • COLMAP, Bundle Adjustment, DUSt3R보다 안정적인 카메라 포즈와 장면 기하를 얻는 데 초점을 두며, Airbnb 방과 회화 재구성 사례에도 적용됨

손그림 장면에서 SfM이 어려운 이유

  • 사람은 3D적으로 완전히 일관되지 않은 이미지에서도 기저 3D 장면을 인식할 수 있지만, 기계는 같은 조건에서 어려움을 겪음
  • 만화와 애니메이션 이미지는 스토리텔링과 창작 표현을 위해 명시적 기하 일관성 없이 그려지는 경우가 많음
  • 기존 Structure-from-Motion(SfM) 방식은 3D 일관성을 가정하므로 이런 손그림 이미지에서 크게 실패함
  • COLMAP은 완벽한 대응점이 있어도 비기하적 손그림 이미지를 재구성하지 못하며, Bundle Adjustment와 DUSt3R도 매우 나쁜 성능을 보임

불일치를 흡수하는 정렬 방식

  • Toon3D는 기하적으로 불일치하는 이미지를 변형하면서 카메라 포즈와 장면 기하를 함께 복원함
  • 핵심 아이디어는 이미지 간 기하 불일치를 변형으로 흡수해, 장면을 더 일관된 3D 구조에 맞추는 것임
  • 단안 깊이 예측에서 얻은 구조 정보가 이 정렬 과정을 안내함
  • 손으로 라벨링한 키포인트를 바탕으로 piecewise-rigid deformation 최적화를 수행해 카메라 포즈와 밀집 기하를 복원함

처리 파이프라인

  • 각 이미지의 깊이는 Marigold로 예측함
  • transient mask 후보는 SAM으로 얻음
  • 사용자는 Toon3D Labeler로 이미지 간 대응점을 라벨링하고 transient 영역을 표시함
  • 최적화 단계에서는 카메라 포즈를 맞추고 이미지를 워핑해 보정된 원근 카메라를 얻음
  • 마지막으로 정렬된 밀집 포인트 클라우드에서 Gaussians를 초기화하고 refinement를 실행함

카메라와 변형의 동시 최적화

  • Toon3D의 두 주요 목적은 camera alignment와 deformation alignment임
  • camera alignment objective는 카메라 파라미터를 복원함
  • deformation alignment objective는 더 가까운 정렬을 위해 메시를 워핑함
  • 실제 최적화에서는 두 목적을 동시에 맞춤
  • 방법 시각화에는 카메라, sparse correspondences, warping meshes, point clouds, gaussians 같은 여러 레이어가 포함됨

새 시점 합성과 fly-through 렌더

  • Toon3D는 먼저 카메라 포즈와 정렬된 포인트 클라우드를 복원함
  • 이후 밀집 포인트 클라우드에서 Gaussians를 초기화하고, 복원된 카메라로 Gaussian Splatting을 최적화함
  • 구현은 Nerfstudio 기반이며 깊이 정규화를 포함함
  • 결과는 만화 장면의 fly-through 렌더로 볼 수 있음
  • 예시 장면에는 Bob's Burgers, Family Guy, SpongeBob SquarePants, Rick and Morty, Simpsons, Spirited Away, Futurama, Avatar, BoJack Horseman, Magic School Bus, Scooby-Doo가 포함됨

Toon3D Dataset과 라벨링 도구

  • Toon3D Dataset은 만화와 애니메이션의 멀티뷰 이미지로 구성됨
  • 데이터셋에는 신뢰 가능한 sparse correspondences 주석이 포함됨
  • 주석 작업에는 사용자 친화적인 Toon3D annotation tool이 사용됨
  • 복원된 포인트 클라우드는 novel-view synthesis 방법에 연결돼, 실제로 그려지지 않은 시점에서 만화를 볼 수 있게 함
  • 페이지는 12개 만화 장면의 포인트 클라우드와 복원된 카메라를 시각화함

Rick and Morty 집 내부 재구성

  • Rick and Morty 집 내부는 벽과 천장 사이를 라벨링해 방들을 연결하는 방식으로 재구성됨
  • 첫 번째 영상은 포인트 클라우드, 카메라, 커스텀 라벨링 인터페이스를 보여줌
  • 두 번째 영상에서는 슬라이더로 집 내부 walkthrough를 볼 수 있음
  • 가장 가까운 카메라의 이미지는 화면 오른쪽 아래에 표시됨

Sparse-view와 다른 입력 사례

  • Toon3D는 적은 수의 이미지와 큰 시점 변화가 있는 장면도 재구성할 수 있음
  • COLMAP이 실패할 수 있는 상황에서는 Toon3D Labeler로 사람이 라벨링한 대응점을 추가할 수 있음
  • Airbnb listing의 두 방인 “Living room”과 “Bedroom 2”에 대해 fly-through 렌더가 제시됨
  • COLMAP은 모든 카메라를 복원하지 못했지만, 라벨은 COLMAP이 성공하도록 만들 수 있음
  • Toon3D는 장면 완성 측면에서 가장 좋은 결과를 냄

워핑 시각화와 회화 재구성

  • 만화는 손으로 그려지므로 3D 일관성을 얻기 위해 이미지를 워핑해야 함
  • 정렬 최적화 중 워핑이 진행되는 모습을 영상으로 보여줌
  • 원본 그림과 워핑된 그림, 두 이미지의 overlap을 비교하는 시각화도 포함됨
  • 흐릿한 영역은 많은 워핑이 발생한 곳을 나타냄
  • Toon3D는 손으로 그린 회화에도 적용되며, 각 이미지의 깊이를 예측한 뒤 포인트 클라우드를 정렬·워핑하고 Gaussian refinement로 영상을 생성함

공개 자료

함께 보면 좋은 글 β

GN⁺   [-]
Hacker News 의견들

  • Futurama의 Planet Express 건물을 3D 불일치 예시로 든 게 흥미로움
    외관은 실제로 3D 모델에서 컴퓨터 생성한 것에 가깝다고 봄. 본편을 보면 건물 주변을 부드럽고 복잡하게 도는 설정 숏이 자주 나옴

    • 동의함. Planet Express 건물과 우주선의 대부분 또는 전부는 초기 시즌부터 3D 렌더링이었고, Bender가 우주에 있는 일부 장면도 복잡하고 연속적인 원근 변화가 필요할 때 3D 렌더링을 썼음
      사진처럼 보이지 않는 3D 미술(NPR)은 애니메이션에서 생각보다 오래전부터 쓰였음. 최근 1988년 Disney 애니메이션 "Oliver and Company"를 다시 봤는데, 자동차와 건물이 "셀 셰이딩"된 3D 모델이라 놀랐음. 처음엔 리마스터된 줄 알았지만, 찾아보니 Disney 영화 중 CGI를 대량으로 사용한 첫 작품이었고[0], 내가 본 것도 원본에 있던 내용이었음
      찾은 페이지에는 이렇게 되어 있음: "This was the first Disney movie to make heavy use of computer animation. CGI effects were used for making the skyscrapers, the cars, trains, Fagin's scooter-cart and the climactic Subway chase. It was also the first Disney film to have a department created specifically for computer animation."
      References
      0: https://disney.fandom.com/wiki/Oliver_%26_Company
    • 쇼나 게임의 3D는 시청자에게 좋아 보이도록 속임수를 쓰는 경우가 많지 않나 싶음
      3D 애니메이터가 자연스럽게 보이게 하려고 뭘 하는지 다룬 글을 본 기억이 있음. 카메라가 지나갈 때 실제 시스템상 키로는 너무 작아 보여서 캐릭터를 9피트로 만들거나, 아치형 문을 거대하게 만들었지만 특정 원근 숏에서는 정상처럼 보이게 하거나, 키 차이가 극단적으로 보여 어색하지 않게 작은 캐릭터를 화면 밖 파란 상자 위에 세우는 식임. 실제라면 1,000피트짜리 복도지만 카메라가 지나가는 방식 때문에 세계 안에서는 100피트처럼 보이고, 그 복도의 문 하나하나는 18피트 높이인 식도 있음
      Futurama 같은 작품도 이런 기법을 썼다면, 이런 식으로 역공학해서 애니메이터가 작업한 3D 공간을 재구성할 때 거대한 문, 9피트짜리 사람, 비유클리드 복도가 보일 수 있음. 카메라가 지나갈 때 부드럽게 보인다고 해서 그 실제 3D 모델이 다른 시점에서도 말이 된다는 뜻은 아님
    • 요즘은 3D 애니메이션처럼 보이지 않는 애니메이션도 제작 파이프라인 어딘가에 3D 모델이 들어가는 경우가 많음
      디지털 3D 모델이 없더라도, 애니메이터가 참고하도록 스튜디오에 주요 장소의 물리 모형을 두는 경우도 있음
    • 맞음. Futurama는 1999년 첫 에피소드부터 합성된 3D 요소를 썼고, 탈것은 거의 항상 3D였음
    • 외관은 하나의 3D 모델에서 생성된 게 아니라, 같은 대상을 나타내는 여러 3D 모델들에서 생성된 것에 가까움
      시간이 지나며 바뀌었거나 장면마다 달라졌을 수 있고, Star Trek Enterprise 모델처럼 볼 수 있음

  • 멋지긴 한데, 실제 적용처가 뭔지 잘 떠오르지 않음
    2D 그림은 보통 일관된 3D 공간을 갖지 않고, 논문도 그걸 인정하지만, 유용한 의미에서 그 문제를 극복한 것 같지는 않음. 원래 그려진 카메라 위치에서 벗어나는 순간 장면의 일관성이 꽤 약해짐

    • Futurama와 Family Guy는 예를 들어 탈것에 3D 렌더링을 쓰고, 만화처럼 보이게 렌더한 뒤 평면 2D 애니메이션과 합성하기도 함
      비슷한 종류의 작업이 적용처가 될 수 있음
      또 다른 활용은 2D 만화 기반 라이선스 게임을 3D로 만드는 게임 개발 스튜디오일 수 있음. 기획과 개발 중 시각화 도구로 쓰면서 빠르게 반복하고, 원본 2D가 3D로 어떻게 번역될지 참고하는 용도임
    • SpongeBob은 3D 공간 규칙을 대놓고 어김. 애초에 물속에서 불도 나오는 작품임
      작가와 아티스트 모두 Looney Tunes에서 큰 영감을 받았고, 거기서는 그런 규칙을 깨는 게 웃기기 때문에 깨는 것임
    • 더 정제된 버전은 만화를 입체 영상으로 만드는 데 쓸 수 있을 듯함
      다만 이 매핑 과정보다는 깊이 예측만 사용하고 빈 공간은 이미지 생성으로 채우는 편이 더 나을 가능성이 큼
    • 이건 기술을 보여주고 발전시키기 위한 장치에 가깝다고 봄
      이런 환경은 3D 모델링에 큰 노력이 들지 않기 때문에, 이 맥락에서 실제 적용처가 있을지는 의심스러움
    • 앞으로 더 발전하면 여러 시리즈의 비디오 게임을 뽑아낼 수 있을 것 같음
      거칠긴 해도, 만화 기반 게임 중 일부 구현보다는 원작 그림을 더 잘 옮긴 것처럼 보임

  • 일관성 없는 원본 이미지들로 3D 공간을 만든다는 발상이 정말 재미있음
    몇 년 전 비슷한 걸 조잡하고 형편없는 방식으로 시도해 본 적이 있는데, 명확한 정답이 없는 불일치 공간뿐 아니라 애초에 3D 공간을 나타내려 하지 않는 순수 추상 비공간 이미지에도 해봤음. Kandinsky나 Pollock 같은 추상화를 탐험 가능한 가상현실 공간으로 바꾸는 시도였음. 당연히 "Pollock 그림 안을 걸어 다닌다"가 무엇인지에 대한 정답은 없고, 목표는 그냥 억지로 해보면 무슨 일이 생기는지 보는 것이었음
    작업 흐름은 이랬음: 1. 단일 추상화 원본 이미지에서 시작 2. SinGan으로 "장면"의 다른 "시점" 생성 3. 원본과 SinGan 이미지에 3d-photo-inpainting 또는 Ken Burns류 프로젝트 적용, 단안 깊이 매핑으로 줌/회전/팬 영상 출력 4. 3d-photo-inpainting 프레임을 사진측량 앱에 넣음. NeRF는 아직 없었고, 오류와 불일치를 최대한 허용하도록 모든 설정을 올림 5. 사진측량 과정이 터지지 않기를 기도함. 10번 중 9번은 24시간 뒤에 크래시가 나서 잔인했음
    Twitter에 예시를 올렸을 텐데 검색어를 못 찾겠음. 그래도 2019년 수준의 깊이 매핑만으로도 추상화에서 꽤 재미있는 영상이 나왔음: https://x.com/jonathanfly/status/1174033265524690949 가장 가까운 건 프레임 간 일관성이 없는 NVIDIA GauGAN 영상의 사진측량 결과임: https://x.com/jonathanfly/status/1258127899401609217
    이 프로젝트가 같은 아이디어를 더 잘할 수 있을지 궁금함. 이번 주말에 시도해볼 수도 있겠음

    • 3D 환경 이미지나 방 그림을 받아 바닥, 벽, 장애물을 강조하는 대략적인 메시를 감지할 수 있는 기법이나 라이브러리가 뭐가 있을까?

  • 예전에 Quest 2를 산 뒤 사진측량 세계를 파고들면서, 서로 다른 각도에서 찍은 물체 사진으로 3D 모델을 만드는 전체 파이프라인을 살펴봤음
    MeshRoom과 메시를 정리하고 Unity로 옮기기 위한 몇 가지 소프트웨어를 사용했음
    얕게 이해한 바로는, Unity에서 물체 주변을 걸어 다니는 식으로 VR에 뭔가를 옮길 때 핵심은 깨끗한 메시를 만드는 것임. 이 글의 도구 같은 것들이 만드는 3D 모델은, 아직 깊게 보진 않았지만, 3D 공간의 점구름에 가까움. 3D 메시를 생성하지는 않음
    조사 중 봤던 도구로는 https://developer.nvidia.com/blog/getting-started-with-nvidi... 같은 게 있는데, 이것도 메시를 만들지는 않음. 그냥 영상에 가깝고 VR에서 단순히 걸어 다닐 수 있는 무언가는 아니라고 봄
    은근한 동기는 Matterport 같은 걸 복제하거나 모델로 만들어 부동산 회사에 파는 것이었음. 이해가 크게 비었던 부분, 그리고 흥미를 잃게 만든 원인은 카메라 사진 여러 장에서 깨끗한 메시를 생성하는 단계를 어떻게 자동화하는지 확신이 없었다는 점임. 내게는 이 부분이 가장 노동집약적으로 보였음. 나중에 이 단계를 할 수 있는 기계학습 모델이 있다는 얘기를 들었지만, 그쪽은 잘 모름

    • Unreal + Nanite + PCVR을 쓰는 편이 더 나을 수도 있음
      Nanite는 매우 복잡한 메시를 처리하고 실시간으로 알고리즘적으로 단순화할 수 있음. 기본적으로 고급 LOD 시스템임. 한계는 모르겠지만 시도해볼 만함. 사진측량에는 Reality Capture를 강력 추천함. 가격이 아주 싸고 스캔별로 지불함
    • NeRF는 어느 정도 작년 기술이고, 요즘 과열된 관심은 가우시안 스플랫 쪽임
      이해한 바로는 이런 기술들은 몇 장의 이미지를 입력으로 받아 모델을 학습시키고, 그 모델은 어떤 의미에서 이미지를 장면 모델로 렌더링하는 최선의 방법을 배우는 식임. 가우시안 스플랫은 이미지를 공간상의 일종의 "덩어리"로 표현하고, 각 이미지는 같은 덩어리 집합을 특정 시점에서 사용해 렌더링해야 함. 그래서 각 이미지가 올바르게 렌더링되도록 스플랫 위치를 잡으면 장면을 재현할 수 있음
      현재 이 학습은 비용이 매우 크고 모델마다 다시 해야 하지만, 결과물은 실시간으로 탐험할 수 있음
      Matterport 등이 쓰는 사진측량 접근은 더 오래된 방식이고 훨씬 품질 높은 입력 데이터가 필요하지만, 최신 접근은 더 적고 낮은 품질의 데이터로도 동작할 수 있다고 봄
    • https://www.reddit.com/r/sdforall/comments/13lenfm/free_seam...
      https://github.com/3DTopia/OpenLRM
      NeRF에서 영감을 받았다고 하지만, 기반 논문은 비전 트랜스포머를 쓰기로 한 것처럼 보임. 오픈소스 버전은 Meta의 DINO를 핵심 구성요소 중 하나로 쓰는 듯함
    • Rhino의 shrink wrap 같은 건가?

  • 누군가 상상해서 그린 장면을 받아 나쁘지만 3D 모델을 만들 수 있다는 게 꽤 놀라움
    미래에는 아티스트가 장면 스케치 몇 장만 그려도 정확한 3D 모델을 얻을 수 있다고 상상해볼 수 있음
    또는 2D 아티스트가 몇 가지 포즈만 스케치하면 구조가 잘 잡힌 3D 모델과 텍스처가 자동으로 나올 수도 있음
    업계에서는 AI와 비슷한 도구가 아티스트에게 미칠 영향을 많이 걱정하지만, 언어 프롬프트 기반 렌더링보다 기계학습 시스템이 아티스트와 더 직접 협업하는 미래도 상상 가능해 보임
    AI 학습의 도덕적 논쟁에 대해서는 내 감정이 분명하지 않음. 내게 더 걱정되는 건 어떻게 학습했는지보다 사람들에게 어떤 영향을 줄지임. 완전히 "윤리적으로" 학습된 모델이 완벽한 예술을 만들고 아티스트가 틈새 직업이 된다 해도, 인간이 예술을 만든다는 데 가치가 있고 그 일이 어느 정도 지속 가능한 사회에도 가치가 있다고 보기 때문에 문명 전체에는 나쁜 결과일 수 있음
    반면 이미지 모델로 사람들이 만들어내는 결과가 놀랍기도 해서 확신이 없음. 이상적으로는 시장이 없어도 사람들이 원하는 일을 할 수 있게 지원할 수 있으면 좋겠지만, 세상은 아직 그럴 준비가 안 되어 있음

  • 그래픽 아티스트는 아니지만, 일러스트레이터의 작업에는 복잡한 의미를 전달하기 위한 창의적 표현 기법이 많이 들어간다고 느낌
    다만 영상에서 보이는 엉망인 3D 공간 재구성은 최근의 대규모 언어 모델 열풍을 떠올리게 함
    즉, 표현물은 바탕 자료의 "진실"이나 "사실"과 뚜렷한 연결이 있지만, 후속 작업의 원천 자료로 유용하다고 볼 만큼 정확하지는 않음

    • 전에 같은 얘기를 한 적이 있는데, LLM이 기존 에피소드와 같은 결의 새 에피소드를 쓸 수 있을지 기대됨
      옛 만화의 "새" 에피소드를 보는 건 정말 재미있을 것 같음. 물론 뒤따를 저작권 난장판은 별개임

  • 특정 이미지의 시점에서 본 모습을 너무 못 재현해서 놀랐음
    예를 들어 아래쪽의 Magic School Bus를 보면, 알고리즘을 이미지를 더 신뢰하는 방향으로 조정할 수 있을 것 같음

    • 예술의 큰 부분은 현실에서 맞는 것과 느낌상 맞는 것을 구분하는 데 있음
      내가 주로 일하는 3D 애니메이션과 영화에서도 배경이나 흐릿한 전경의 물체는 실제 세계 구성으로 매핑하면 말이 안 되더라도, 보기에는 맞아 보이게 왜곡되고 이상하게 배치되는 경우가 많음. 2D 예술은 그보다도 현실 세계 표현에 덜 묶여 있음
      이런 응용을 보면, 상대적으로 추상적인 표현을 기반으로 개념을 구성하는 우리 뇌가 얼마나 대단한지, 그리고 아티스트가 그 덜 정의된 영역에서 작업하는 능력이 얼마나 놀라운지 보임. 장면이 관객에게 일관된 원근을 가진 것처럼 느껴질 수는 있지만, 배경의 소파와 협탁은 120mm 렌즈로 찍은 것처럼 그려지고 전경은 일부러 답답하게 30mm 렌즈처럼 그려졌을 수도 있음. 우리는 캐릭터들이 존재하는 현실적인 3D 공간을 추론할 필요가 없고, 그들이 그런 공간에 있다는 것만 이해하면 되기 때문에 괜찮아 보일 수 있음. 우리는 공간에 있는 게 어떤지, 사람들이 그 공간과 어떻게 상호작용하는지 알고 있음
      좋은 예술은 핵심 아이디어를 전달할 만큼만 제공하고, 그것을 메시지의 초점으로 만든 뒤, 뇌가 무의식적으로 연결을 만들고 맥락을 보태 완전한 "경험"을 만들게 함. 소파와 협탁의 종류, 자주 비틀리거나 과장되는 스케일과 물체 간 관계까지 모든 것이 의도된 예술적 효과를 위한 소통의 층이 될 수 있고, 실제 세계에서 일관된 표현을 갖지 않는 경우도 많음. 또 어떤 숏이든 구도를 돕거나 상호작용을 강조하기 위해 물체가 옮겨지는 일도 분명 있음. 알아차리면 연속성 문제고, 알아차리지 못하면 잘한 일임. 압도적 다수의 경우 아무도 알아차리지 못하고, 그저 모든 각도에서 구도가 설득력 있는 세계를 본 것처럼 느낄 뿐임
      선을 보고 현실 세계에서 그 표현과 대응되는 시나리오를 찾아야 하는 알고리즘은, 애초에 어떤 일관된 형태로도 존재할 수 없는 것을 만들려는 중일 수 있음

  • 영상이 잔뜩 있는 사이트에서 왜 전부 자동 재생과 무한 반복을 켜두는지 모르겠음
    두 번째 화면에서 영상을 보고 있었는데, 사이트를 열 때마다 버벅임

    • Chrome 문제인가? Windows의 Firefox에서는 영상이 자동 재생되지 않음
    • 그래서 iPhone의 Firefox에서 로딩할 때 폰이 멈췄던 걸 수도 있겠음
      전원 재시작해야만 풀렸음

  • Spirited Away 예시를 Miyazaki에게 보여주면 아마 생명 자체에 대한 모욕이라고 부를 것 같음

  • 이 글을 쓰기 전에 3D 애니메이터와 대화하지 않은 것 같아 놀라움. 아래 문장은 그냥 틀렸음

    The hand-drawn images are usually faithful representations of the world, but only in a qualitative sense, since it is difficult for humans to draw multiple perspectives of an object or scene 3D consistently. Nevertheless, people can easily perceive 3D scenes from inconsistent inputs!
    인간 아티스트가 완벽한 기하학적 일관성을 유지하기 어려운 건 맞음. 하지만 2D 애니메이션의 3D 장면이 기하학적으로 불일치하는 이유는 그게 아님. 이유는 아티스트가 특정한 예술적 의도를 위해 3D 장면을 양식화해 강조하기 때문임. SpongeBob처럼 초현실적인 작품에서는 특히 그렇고, King of the Hill조차 "거실 원근", "부엌 원근" 같은 양식화가 있음. 아티스트는 현실적으로 보이게 하려는 게 아니라 보기 좋게 만들려는 것임. 그리고 인간이 완벽한 3D 이미지를 재구성하게 하려는 것도 아니라, 우리의 3D 상상력을 환기하려는 것임. 완전히 다른 일임
    Pixar와 다른 고품질 3D 애니메이션 스튜디오는 영화적 효과를 위해 장면의 실제 기하를 의도적으로 왜곡함. 어른의 시점에서 본 어린아이는 이상하게 긴 목과 짧고 뭉툭한 몸통으로 렌더링될 수 있는데, 애니메이터가 작은 아이의 감정적 효과를 강조하려고 시각적 단축을 일부러 과장하기 때문임. 현실적인 원근은 그냥 지루함. 이런 기법은 Pixar 영화 곳곳에 있고, 그래서 저가 스튜디오처럼 유클리드 3D 공간에서 가상 카메라만 움직이는 결과보다 훨씬 좋아 보임
    기술적 세부에는 말하고 싶지 않지만, 저자들이 예술적 핵심을 놓친 것처럼 보임

    • 이 분야에서 일하는 입장에서, 손바닥과 얼굴이 이렇게 가까웠던 적이 없었음
      프로젝트 자체에는 문제가 없음. 연구는 연구이고, 이걸 "해결된 문제"처럼 포장하는 것도 아니니까. 하지만 특정 부류의 기술 쪽 사람들 사이에서는 AI 이미지 도구가 전혀 근거 없는 우리가 예술을 해결했다 식의 허세를 불러일으킴. 그 결과 기본적인 예술 원리에 대해 근거 없는 가정을 오만하게, 때로는 군림하듯 던짐
      소프트웨어 분야에서 오래 일했고, 소프트웨어 개발의 오만함이 새삼스러운 것도 아니며 가끔은 유익할 때도 있다는 걸 알지만, 소프트웨어 세계 안에서 단일 주제에 대해 이렇게 강렬한 집단적 과신을 본 적은 거의 없는 것 같음
    • 실제 TV 카메라에서도 같은 일이 벌어진다는 점을 생각하면 특히 웃김
      쉬운 예로, 시트콤에서 정사각형 방처럼 보이는 많은 세트는 사실 사다리꼴이고 벽들이 둔각으로 만남. 그걸 알아차리는 사람은 거의 없음
    • 특정한 예술적 이유를 위한 양식화를 제쳐두더라도, 이런 맥락의 작업물은 카메라 또는 "카메라"의 단순한 필요 때문에 항상 왜곡될 수밖에 없음
      HD 이전 작품에서는 더 그랬음. 표정과 몸짓을 읽을 만큼 원근을 가깝게 만들려면 사람이나 캐릭터가 화면에 꽤 빡빡하게 들어가야 했기 때문임. 그 시대의 가장 "현실적"이고 점잖은 쇼를 파고들어도, 특정 숏을 성립시키려고 가구나 심지어 벽까지 조용히 옮긴 순간을 결국 찾게 됨
답변달기