AI 탐구노트

1. 서론디자인에서 자주 사용되는 벡터 그래픽은 해상도와 관계없이 확대나 축소가 가능하고, 수정도 쉽습니다. 하지만, 기존의 AI 기술로 만든 벡터 그래픽은 수정이 어렵거나 구조가 복잡해 실용성이 떨어지는 경우가 많았습니다.  NeuralSVG는 텍스트 프롬프트에서 벡터 그래픽을 생성하는 새로운 접근법을 제시합니다. 이 기술은 NeRF(Neural Radiance Fields)에서 영감을 받아 소형 MLP(다층 퍼셉트론) 네트워크를 사용하여 벡터 그래픽을 암묵적으로 표현합니다. 이를 통해 기존의 기술적 한계를 극복하며, 계층적이고 의미 있는 그래픽 생성이 가능해졌습니다.  2. 본론2.1 기존 텍스트-벡터 그래픽 생성 방식의 문제점기존의 텍스트-벡터 그래픽 생성 기술은 주로 텍스트-이미지 생성 모델을 기..

1. 서론앞서 다른 글에서도 언급한 것처럼 현대 디지털 디자인에서 벡터 그래픽은 스케일 조정의 유연성으로 인해 광범위하게 사용됩니다. 벡터 그래픽은 크기를 조정할 때 품질 손실이 없다는 점에서 레스터 이미지보다 뛰어난 장점을 가지고 있죠. 하지만, 대부분의 인공지능 연구는 레스터 이미지 생성에 집중되어 있으며, 벡터 그래픽을 학습하거나 생성하려는 노력은 상대적으로 부족했습니다. 이러한 한계를 극복하기 위해 DeepSVG라는 새로운 접근이 제시되었습니다. DeepSVG는 SVG(Scalable Vector Graphics) 형식의 복잡한 벡터 그래픽을 생성하고 애니메이션을 지원하는 계층적 생성 네트워크입니다. 이 모델은 벡터 그래픽 데이터를 효율적으로 표현할 수 있는 계층적 구조를 활용하여 복잡한 아이콘을..