earticle

영어

This study begins with the recognition of the need to analyze the developmental potential and application expansion of character emotion expression technologies based on Generative AI. Emotional expression is a key factor in enhancing immersion and emotional engagement in human-computer interaction, and AI technologies are enabling more precise and expressive affective communication. Accordingly, this study systematically compares the emotional rendering performance of three leading models—StyleGAN, Diffusion Models, and Transformers—across text-based, image-based, and multimodal expression approaches. Each model demonstrates distinct strengths depending on the modality, and the study also explores the potential integration between traditional literary emotion techniques and AI-based generative methods. By utilizing representative emotion datasets such as Oulu-CASIA, AffectNet, and EmoV-DB, the research emphasizes the importance of emotion alignment evaluation standards. The findings suggest that generative AI can significantly contribute to real-time feedback systems and culturally diverse emotion modeling, with broad applicability in affective interfaces, creative content, and interactive system development.

한국어

본 연구는 생성형 인공지능(Generative AI)을 기반으로 한 캐릭터 감정 표현 기술의 진화 가능성과 응용 확장을 분석할 필요성에서 출발하였다. 감정 표현은 인간-컴퓨터 상호작용의 몰입감과 정서적 유대감을 높이는 핵심 요소이며, AI 기술을 통해 더욱 정밀한 감성 전달이 가능해지고 있다. 이에 본 연구는 StyleGAN, 확산 모델(Diffusion Model), 트랜스포머(Transformer)를 대상으로 텍스트 기반, 이미지 기반, 멀티모달 방식의 감정 렌더링 성능을 체계적으로 비교하 였다. 각 모델은 표현 방식별로 고유한 강점을 지니며, 문학에서 감정 표현의 전통적 기법과 AI 기반 표현 기술 간의 연계 가능성도 함께 조망하였다. 대표 감정 데이터셋인 Oulu-CASIA, AffectNet, EmoV-DB를 활용하여 감정 정렬 평가 기준 의 중요성을 분석하고, 생성형 AI 기술이 실시간 피드백 시스템 구현 및 문화적 감정 다양성 확보에 기여할 수 있음을 밝혔다. 본 연구는 감성 인터페이스, 창작 콘텐츠, 인터랙티브 시스템 개발 등 다양한 분야에서의 응용 가능성을 제시하며, 향후 연구 기반을 제공한다.