NDC2017: VAE를 이용한 게임 콘텐츠 생성 기법 연구 사례
Source
Evernote/Inbox/NDC2017 딥러닝으로 게임 콘텐츠 제작하기 - VAE를 이용한 콘텐츠 생성 기법 연구 사례.md
Summary
본 문서는 넥슨 김환희 기획자가 NDC2017에서 발표한 ‘딥러닝을 이용한 게임 콘텐츠 제작’ 연구 사례입니다. 콘텐츠 제작의 시간 및 능력 부족을 해결하기 위해 생성 모델(VAE, GAN, PixelRNN)을 검토한 결과, VAE(Variational Autoencoder)에 초점을 맞춥니다. Autoencoder가 입력 데이터를 압축하여 복원하는 구조라면, VAE는 여기에 확률적 분포(Variational)를 도입하여 새로운 콘텐츠를 생성할 수 있는 가능성을 탐구합니다. 발표는 개인 연구 프로젝트이며, 기술적 배경과 VAE의 기본 원리(압축 및 복원 학습)를 설명하는 수준에서 진행됩니다.
Key Points
- 발표자: 넥슨 신규개발본부 Blast팀 김환희 (6년차 게임기획자)
- 목적: 게임 콘텐츠 제작의 시간/능력 부족 문제 해결을 위한 딥러닝 적용 연구
- 주제: VAE(Variational Autoencoder)를 활용한 콘텐츠 생성 기법
- 기술 배경: GAN, PixelRNN 등 다른 생성 모델과 비교하여 VAE 선택
- 핵심 개념: Autoencoder는 데이터의 압축 및 복원(f(x)=x)을 학습하며, VAE는 이를 확률적 모델로 확장하여 생성 가능성을 모색
- 성격: 개인 연구 프로젝트 (상업적 제품화 사례 아님)