영화 제작에서 생성형 인공지능의 주체적 역할 연구

딥러닝은 인공신경망을 기반으로 하는 기계 학습의 한 분야로, 대량의 데이터를 통해 복잡한 패턴을 학습하고 예측할 수 있는 능력을 갖춘 기술이다[13]. 딥러닝 모델은 여러 층의 신경망으로 구성되어 있어 데이터의 특징을 자동으로 학습할 수 있으며, 이는 이미지 인식, 음성 인식, 자연어 처리 등 다양한 분야에 적용될 수 있다. 특히, 생성적 적대 신경망(GAN)과 같은 딥러닝 모델은 영화의 시각적 표현에서 중요한 역할을 하며, 완전히 새로운 가상 환경을 창출하거나 디지털 캐릭터를 생성하는 데 있어 핵심적이다[15].

Table 1.

Utilization of GAN (Generative Adversarial Networks) in film production

딥러닝은 영화 제작의 다양한 단계에서 주체적으로 기여하며, 가상 환경 생성, 디지털 휴먼 제작, 스타일 전이, 물리적 효과 시뮬레이션, 얼굴 및 감정 변환 등에서 중요한 역할을 수행한다. 예를 들어, GAN을 기반으로 한 알고리즘은 기존 이미지를 학습하여 독창적이고 현실감 있는 가상 환경을 자동으로 생성할 수 있다[16]. 이러한 기술은 물리적 촬영이 불가능하거나 제약이 있는 환경에서도 창의적 배경을 제공하는 데 있어 주도적인 역할을 한다. 이러한 가상 환경 생성은 특히 판타지 또는 SF 영화에서 주목받으며, 영화 제작 비용을 절감하면서도 높은 수준의 시각적 몰입을 제공할 수 있는 방법으로 떠오르고 있다.

딥러닝은 또한 디지털 휴먼 생성에서도 주체적인 역할을 한다. 이는 배우의 얼굴과 몸짓을 디지털로 복제하거나 전혀 새로운 가상 캐릭터를 창조할 수 있게 한다. 특히, 딥러닝 기술은 배우의 움직임을 캡처하고 이를 디지털 휴먼에 적용함으로써, 배우의 실제 출연 없이도 그들의 디지털화된 모습이 영화 속에서 완벽하게 구현되도록 돕는다. 이는 SF나 액션 영화와 같은 장르에서 디지털 캐릭터가 중요한 역할을 할 때 필수적인 기술이다.

또한, 스타일 전이(Style Transfer) 기술을 통해 딥러닝은 기존 이미지나 장면의 시각적 스타일을 다른 장면에 창의적으로 적용할 수 있다. 이는 영화의 특정 장면에 독특한 미학적 효과를 부여하며, 예를 들어 화가의 스타일을 영화의 장면에 적용함으로써 고유한 시각적 미학을 창출하는 것이 가능하다[17].

딥러닝은 물리적 효과 시뮬레이션에서도 뛰어난 성능을 보인다. 딥러닝을 활용하면 폭발, 화재, 연기, 물 등 복잡한 물리적 효과를 시뮬레이션하여 물리적 촬영 없이도 사실적인 장면을 구현할 수 있으며, 이는 제작 비용을 절감하고 안전성을 높인다[16]. 예를 들어, 딥러닝 기반의 CGI로 구현된 화재 장면은 촬영의 안전성을 보장하면서도 시각적 효과를 극대화하는 데 기여할 수 있다.

마지막으로, 얼굴 및 감정 변환 기술을 통해 딥러닝은 배우의 얼굴 표정을 변환하거나 감정을 조정할 수 있다. 이러한 기술은 장면의 감정적 깊이를 추가하고, 배우의 연기를 향상시키는 데 기여할 수 있다. 예를 들어, 배우의 표정을 미세하게 조정하여 캐릭터의 감정을 더 강하게 전달할 수 있다.

이처럼 딥러닝은 영화 제작 과정에서 주체적인 역할을 수행하며, 단순히 보조적 역할을 넘어서 창의적인 시각적 경험을 직접적으로 제공하는 데 기여하고 있다. GAN과 같은 딥러닝 기술은 영화의 시각적 복잡성을 높이고, 관객에게 더욱 몰입감 있는 경험을 선사하는 데 중요한 역할을 한다. 이를 통해 영화 제작 과정에서 AI가 주도적인 창작 도구로서 자리 잡고 있음을 확인할 수 있다.

자연어 처리(NLP)는 생성형 AI의 핵심 기술 중 하나로, 영화 제작에서 단순한 보조 도구를 넘어 주체적인 역할을 수행할 수 있는 잠재력을 가지고 있다. NLP 기반 알고리즘은 영화 제작의 여러 단계에서 창의적 콘텐츠를 직접 생성하고, 다양한 언어 및 문맥을 이해하고 해석하여 스토리라인을 발전시키는 데 핵심적이다. 특히, 시나리오 작성, 대사 생성, 감정 분석과 같은 핵심 작업에서 인간 창작자의 의사결정을 지원하는 것을 넘어, 콘텐츠 제작을 독자적으로 주도할 수 있다.

NLP 기술은 시나리오 작성 및 편집 과정에서 주체적 역할을 수행할 수 있다. 기존에는 작가가 시나리오 초안을 작성한 후 이를 편집하는 데 상당한 시간이 소요되었으나, 생성형 AI의 NLP 기술은 시나리오의 흐름을 분석하고, 일관성을 유지하면서도 창의적인 대사를 자동으로 생성할 수 있다[18]. 이는 초기 초안 작성부터 완성된 시나리오에 이르기까지 자율적인 콘텐츠 생성을 가능하게 하며, 작가의 창의적 결정을 보조하는 것에서 나아가, 창작 과정 전반을 주도할 수 있다.

Table 2.

Utilization of Natural Language Processing(NLP) in film production

또한, NLP는 다국어 대사 생성과 자동 번역을 통해 영화의 국제적 확장성을 높이는 데 중요한 역할을 한다. 생성형 AI는 여러 언어로 대사를 자동 생성하고 번역할 수 있으며, 다양한 문화권에 맞는 현지화된 콘텐츠를 제공할 수 있다. 이러한 기능은 특히 글로벌 영화 시장에서 국제적 접근성을 높이는 데 기여하며, 더 넓은 관객층에게 도달할 수 있게 한다.

캐릭터 개발 및 상호작용에서도 NLP는 중요한 역할을 한다. 애니메이션 영화나 비디오 게임에서 NLP 기반 알고리즘은 자연스러운 대화와 상호작용을 생성하여 캐릭터 간의 관계를 더욱 풍부하게 만들 수 있다. 특히, 생성형 AI는 실시간 대사 생성을 통해 즉흥적인 캐릭터 상호작용을 구현할 수 있으며, 이는 관객이나 플레이어의 선택에 따라 즉각적인 변화를 제공할 수 있다. 이는 전통적인 시나리오 구조와는 다른 동적 스토리텔링을 가능하게 한다.

NLP는 감정 분석을 통해 관객의 피드백을 분석하고, 영화 제작자에게 향후 전략을 수립할 수 있는 통찰력을 제공한다. 소셜 미디어, 리뷰 등 대량의 텍스트를 분석해 관객의 감정적 반응을 평가할 수 있으며, 이를 바탕으로 제작자가 더 나은 결정을 내릴 수 있도록 돕는다. 이는 영화가 관객의 취향과 기대를 실시간으로 반영하는 방향으로 발전하는 데 기여할 수 있다[19].

마지막으로, 자막 생성 및 폐쇄 자막에서는 NLP가 청각 장애인이나 다양한 언어 사용자를 위한 접근성을 높인다. AI는 자동으로 대사를 텍스트로 변환하여, 자막의 품질을 높이고 다양한 언어의 자막을 동시에 제공함으로써 관객의 영화 경험을 포괄적으로 만든다. 이는 영화의 접근성을 크게 향상시키며, 더 많은 관객에게 영화를 전달하는 중요한 역할을 한다.

결론적으로, 자연어 처리 기술은 영화 제작에서 주체적인 역할을 수행하며, 기존의 단순 보조 도구를 넘어, 자동화된 창작과 실시간 스토리텔링을 가능하게 한다. 이는 영화 제작의 효율성을 높이는 동시에, 새로운 형태의 동적 내러티브와 글로벌 콘텐츠를 제작하는 데 중요한 기여를 할 수 있다.

컴퓨터 비전은 생성형 인공지능(Generative AI)의 핵심 기술로, 영화 제작 과정에서 주체적인 역할을 수행하며 시각적 데이터를 해석하고, 새로운 콘텐츠를 독립적으로 생성하는 데 중요한 기여를 한다. 컴퓨터 비전은 단순히 데이터를 분석하는 기술을 넘어, 영화 제작 전반에 걸쳐 시각적 의사결정을 자동화하고, 창의적인 비주얼 콘텐츠를 창출하는 데 기여할 수 있다. 특히 물체 인식, 얼굴 인식, 동작 추적 등의 기술을 통해 영화의 시각적 복잡성을 극대화할 수 있으며[20], 이를 통해 인간 감독을 보조하는 도구에서 나아가 주체적 창작자로서의 역할을 수행할 수 있다.

Table 3.

Utilization of computer vision in film production

첫째, 컴퓨터 비전 기술은 장면 분석과 편집에서 주체적 역할을 수행한다. 생성형 AI는 각 장면의 색상, 조명, 프레임 구성을 자동으로 조정하고, 시각적 일관성을 유지하는 데 기여한다. 예를 들어, 영화의 장면 간 전환을 부드럽게 자동화하여 창의적인 시각적 표현을 극대화할 수 있다[21]. 이는 단순히 감독의 지시를 따르는 것이 아닌, AI가 직접적으로 시각적 선택을 할 수 있음을 의미한다.

둘째, 모션 캡처와 동작 추적에서 컴퓨터 비전 기술은 배우의 움직임을 실시간으로 분석하고, 디지털 캐릭터에 적용할 수 있다. 생성형 AI는 이러한 데이터를 활용해 더욱 자연스러운 애니메이션 캐릭터를 구현하며, 복잡한 동작을 정확하게 재현한다. 이는 디지털 휴먼이나 가상 캐릭터의 움직임을 현실적으로 표현하는 데 중요한 역할을 하며, 영화 제작의 효율성을 크게 향상시킨다[22].

셋째, 컴퓨터 비전 기술은 실시간 특수 효과 적용에 주도적으로 활용된다. 생성형 AI는 배우가 특정 동작을 취할 때, 예를 들어 화염이나 연기 효과를 실시간으로 생성할 수 있으며, 이는 라이브 퍼포먼스나 실시간 방송에서도 적용 가능하다. 이러한 동적 효과는 관객에게 몰입감 있는 경험을 제공하며, AI가 실시간으로 영화의 시각적 스타일을 주도하는 역할을 한다[23].

넷째, 컴퓨터 비전 기술은 객체 인식 및 추적을 통해 복잡한 액션 장면에서 여러 객체의 움직임을 효과적으로 관리할 수 있다. 이를 통해 복잡한 시각적 구도를 설계하고, 장면에서 객체의 위치와 움직임을 자동으로 최적화할 수 있다. 이러한 기술은 영화의 시각적 복잡성을 증가시키는 데 중요한 역할을 하며, 액션 영화나 대규모 전투 장면에서 특히 유용하다[24].

다섯째, 컴퓨터 비전 기술은 증강 현실(AR) 및 가상 현실(VR) 콘텐츠 생성에서 핵심적인 역할을 수행한다. 생성형 AI는 이 기술을 활용하여 시청자에게 몰입형 경험을 제공할 수 있는 환경과 캐릭터를 독립적으로 생성하며, 영화의 프로모션이나 특별한 관객 경험을 위해 AR 앱을 개발할 수 있다. 이는 인터랙티브 영화나 VR 시네마에서 새로운 차원의 상호작용을 가능하게 하며, 관객에게 더 깊은 몰입감을 제공한다[25].

마지막으로, 컴퓨터 비전은 얼굴 분석과 표정 변환을 통해 배우의 감정을 정교하게 표현할 수 있다. 생성형 AI는 배우의 실제 표정을 분석하여, 디지털 아바타에 이를 적용하고, 감정 표현을 자동으로 생성한다. 이를 통해 관객은 더욱 감동적인 스토리텔링을 경험할 수 있으며, 애니메이션 영화나 게임 캐릭터의 생동감을 한층 높일 수 있다[26].

결론적으로, 컴퓨터 비전 기술은 영화 제작에서 생성형 인공지능의 주체적인 역할을 보여주는 대표적인 사례로, 단순한 도구적 사용을 넘어 영화의 시각적 창의성과 효율성을 독자적으로 주도할 수 있다.

“세이프 존(The Safe Zone)”은 2023년에 28 Squared Studios와 Moon Ventures에 의해 제작된 세계 최초의 AI 각본 및 연출 영화로 생성형 AI 기술이 영호 제작에서 주체적으로 활용된 대표적인 사례이다. 특히, 그림 1과 같이 챗GPT와 같은 생성형 인공지능 기술을 사용해 각본 작성 및 연출이 이루어졌으며, 두바이 국제 AI 영화제에서 그랑프리를 수상하며, AI의 영화 제작 과정에서 주도적인 역할을 입증했다. 영화는 AI가 지배하는 디스토피아적 미래를 배경으로, 주인공인 남매가 제한된 인원만 들어갈 수 있는 '세이프 존'으로 피신하기 위해 벌이는 갈등을 다룬다[28]."세이프 존"은 딥러닝, 자연어 처리, 컴퓨터 비전 기술이 영화 제작에서 주체적으로 작용한 대표적인 사례이다. 이 영화는 AI가 창의적이고 혁신적인 결정을 내릴 수 있음을 입증하며, 전통적인 영화 제작 방식에 새로운 가능성을 제시하였다. AI의 이러한 역할은 단순한 도구를 넘어, 영화 제작의 모든 단계에서 중요한 의사결정을 주도하며, 새로운 형태의 영화 예술을 창출하는 데 핵심적인 기여를 하고 있다.

Fig. 1.

Script of "Safe Zone" written by ChatGPT[27]

• 딥러닝(Deep Learning)

“세이프 존”에서 딥러닝은 이미지 생성 AI 도구인 DALL-E와 MidJourney를 통해 스토리보드를 생성하는 데 핵심적인 역할을 했습니다. 딥러닝 알고리즘은 방대한 데이터를 학습하여, 감독의 지시에 따른 시각적 스타일을 자동으로 생성하고 적용할 수 있었습니다. 이는 전통적인 인간의 창의적 결정을 AI가 직접 수행했음을 보여주는 대표적인 사례입니다. 또한, 스토리보드 작업이 딥러닝을 통해 신속하게 이루어짐으로써, 비용 절감과 작업 효율성을 동시에 달성할 수 있었습니다. 이러한 자동화된 비주얼 창출은 영화 제작의 주요 시각적 요소를 구현하는 데 있어 딥러닝이 창의적 주체로서 기능하는 방식을 잘 보여줍니다.

“세이프 존”의 제작에서 딥러닝 기술은 영화의 시각적 요소를 자동화하고 효율적으로 창출하는 데 핵심적인 역할을 했다. 특히, DALL-E와 MidJourney 같은 이미지 생성 AI 도구를 통해 영화의 스토리보드를 생성하는 과정이 매우 혁신적이었다[29]. 딥러닝 알고리즘은 방대한 데이터를 학습하여, 감독의 지시에 따른 시각적 스타일을 자동으로 생성하고 적용할 수 있었다. 이는 전통적인 인간의 창의적 결정을 AI가 직접 수행했음을 보여주는 대표적인 사례이다. 또한, 스토리보드 작업이 딥러닝을 통해 신속하게 이루어짐으로써, 비용 절감과 작업 효율성을 동시에 달성할 수 있었다. 이러한 자동화된 비주얼 창출은 영화 제작의 주요 시각적 요소를 구현하는 데 있어 딥러닝이 창의적 주체로서 기능하는 방식을 잘 보여 주었다.

• 자연어 처리(NLP)

자연어 처리(NLP) 기술은 “세이프 존”의 각본 작성 및 연출 과정에서 중추적인 역할을 했다. 챗GPT는 단순히 스크립트를 작성하는 데 그치지 않고, 영화 제작의 모든 단계에서 지시를 내리는 역할을 맡았다[29]. 예를 들어, 촬영 목록 작성, 카메라와 조명의 위치 설정, 배우의 의상과 소품 선택까지 챗GPT가 상세히 지시했다. 이 과정에서 챗GPT는 감독의 의도를 반영하여 대사를 생성하고, 인물의 감정을 표현하는 방식까지도 제안했다. 이러한 방식은 AI가 영화 제작의 주도적 역할을 수행할 수 있음을 잘 보여준다. 또한, AI는 촬영 현장에서 발생하는 예측 불가능한 상황에 대처하기 위해 실시간으로 조언을 제공하며, 감독의 결정을 지원했다. 이러한 방식은 AI가 단순한 보조도구에서 벗어나 영화 제작의 주체적 역할을 수행할 수 있음을 증명한다.

• 컴퓨터 비전(Computer Vision)

컴퓨터 비전 기술은 “세이프 존”의 시각적 품질을 높이는 데 기여했다. AI는 촬영 시 카메라 위치와 조명 설정을 최적화하고, 인물의 동작을 정밀하게 추적하여 장면의 일관성을 유지하는 역할을 수행했다[29]. 예를 들어, AI는 특정 장면에서 인물의 표정과 자세를 분석하여 시각적으로 가장 효과적인 연출을 제안했다. AI는 촬영 현장에서의 실시간 의사결정을 도와 감독이 미처 인지하지 못한 시각적 최적화를 제시했으며, 이러한 작업은 AI가 영화 제작의 중요한 창작자로서의 역할을 담당했음을 보여준다. 또한 후반 작업에서도 장면 전환과 시각적 효과를 자동으로 처리하여, 영화의 전체적인 시각적 완성도를 높였다. AI의 실시간 조정을 통한 이러한 작업은 인간 감독의 감각적인 의사결정을 보조하는 동시에, 독립적인 시각적 창출을 가능하게 했다.

“원 모어 펌킨”은 한국의 노부부가 호박 농사를 지으며 겪는 기이한 사건을 다룬 공포 영화로, 감독 권한슬이 순수 생성형 인공지능(Generative AI) 기술을 활용하여 제작한 단편 영화다. 이 영화는 2023년 2월 아랍에미리트에서 개최된 제1회 두바이 국제 AI 영화제(AIFF)에서 대상과 관객상을 수상하며 두각을 나타냈다. 이 3분짜리 영화는 AI 기술을 통해 순수하게 제작되었으며, 제작 비용은 전기 요금을 제외하고 ‘0원’이었고, 3~4명이 5일 만에 완성한 작품이다[30]. “원 모어 펌킨”은 그로테스크한 공포 장르를 통해 AI 기술의 한계를 예술적 장점으로 승화시켜 높은 평가를 받았으며, "탐욕은 또 다른 탐욕을 부르고, 결국 파멸을 부른다"는 메시지를 효과적으로 전달했다.

• 딥러닝 (Deep Learning)

“원 모어 펌킨”의 시각적 요소들은 딥러닝 기술을 통해 구현되었다. 특히, 이 영화는 TTI(Text to Image) 모델인 ‘스테이블 디퓨전 XL(Stable Diffusion XL)’을 활용하여 초기 이미지를 생성했다[31]. 이러한 AI 모델들은 기존의 데이터셋을 학습하여 영화의 상징적 요소, 예를 들어 사신과 호박 귀신과 같은 인물의 외형을 독창적이고 무시무시하게 디자인할 수 있었다.

그림 2와 3에서 보여지듯, GAN 알고리즘은 인간이 이전에 제시한 데이터와 이미지 스타일을 기반으로 새로운 형태와 패턴을 생성해냈으며, 이를 통해 영화 속 등장인물의 외형은 기존의 공포 장르에서 보지 못했던 새로운 시각적 스타일을 제시했다. 이 과정에서 생성형 인공지능은 비주얼 디자인을 담당하며, 인간이 필요로 했던 시간과 비용을 크게 절감했다. 이 영화에서 딥러닝은 영화의 비주얼 스타일을 혁신적으로 변화시키며, AI가 주체적으로 창의적인 비전을 구현하는 데 중요한 역할을 했다.

Fig. 2.

The grim reaper in “One More Pumpkin”[32]

Fig. 3.

The pumpkin ghost (below) in “One More Pumpkin”[32]

• 자연어 처리 (NLP)

자연어 처리(NLP) 기술은 “원 모어 펌킨”의 시나리오 작성과 대사 생성에서 주체적인 역할을 했다. 영화의 스토리라인은 기존의 다양한 호러 및 판타지 장르의 시나리오 데이터를 학습한 AI에 의해 창출되었다. AI는 ‘탐욕’과 ‘파멸’이라는 주제 의식을 중심으로 한 스토리를 구성하며, 일관성 있는 서사 구조를 유지하면서도 예측할 수 없는 전개를 제공했다. 또한, NLP 기술은 각 캐릭터의 대사를 자동으로 생성하여, 인물 간의 대화가 자연스럽게 이어지도록 했다. 이는 시나리오 작성 과정에서 인간 작가의 개입 없이도 고유한 문체와 감정을 반영한 대사를 생성할 수 있음을 보여준다.

• 컴퓨터 비전 (Computer Vision)

컴퓨터 비전 기술은 “원 모어 펌킨”의 장면 분석 및 특수 효과 적용에서 핵심적인 역할을 수행했다. AI는 ‘피카(Pika)’라는 ITV(Image to Video) 모델을 활용하여 정적 이미지를 동적 비디오로 변환했으며[33], 캐릭터의 자연스러운 움직임과 장면 전환을 구현하는 데 주도적인 역할을 했다. AI는 각 장면의 조명과 색상을 분석하고 조정하여 영화의 시각적 일관성을 유지했다. AI는 단순히 배경에서 보조하는 도구가 아니라, 배우의 움직임을 실시간으로 추적하고 특수 효과를 자동으로 생성하는 등 영화의 시각적 효과를 이끌어 가는 능동적인 주체였다. 이는 AI가 단순히 데이터를 처리하는 도구를 넘어, 실제로 영화의 연출과 시각적 표현에서 주도적인 역할을 했음을 입증했다.

영화 “겟 미 아웃(Get Me Out)”은 다니엘 안테비 감독이 제작한 6분 30초 가량의 단편 영화로 할리우드와 로스앤젤레스에서 활동하는 젊은 영화 제작자들과 함께 인공지능 기술을 활용해 제작한 공포 영화이다. 이 영화는 주인공이 어릴 적 미국으로 이주한 후 겪는 심리적 고통을 AI 기술을 통해 표현한 작품이다. 이 영화는 현실과 환상을 넘나드는 기이한 장면들을 표현하며, 2024년 2회 AI 국제 영화제에서 대상을 수상했다. 영화 “겟 미 아웃”에서는 생성형 인공지능 기술이 시각적 및 서사적 측면에서 중요한 주체적 역할을 수행하였다. 딥러닝, 자연어 처리(NLP), 컴퓨터 비전과 같은 주요 기술들이 영화 제작 과정 전반에 걸쳐 적용되었으며, 각 기술이 독창적이고 새로운 경험을 창출하는 데 크게 기여했다.

• 딥러닝 (Deep Learning)

딥러닝 알고리즘, 특히 Runway AI의 Gen-2와 Luma AI는 주인공의 심리적 상태를 시각적으로 표현하는 데 필수적인 도구였습다. 예를 들어 그림 4와 같이 공황 발작을 상징하는 빨간색의 액체로 된 근육 인간이 주인공을 덮치고 공격하는 장면은 생성형 AI 기술의 응용을 통해 창조되었다. 이 장면은 주인공의 내부적 불안과 고통을 극적으로 시각화하며, 관객에게 강렬한 심리적 경험을 전달하였는데, 이 공포스러운 빨간색 액체 인간의 생성은 ComfyUI를 통해 배우의 피부를 제거하고 근육 조직만으로 이루어진 모습을 표현한 것으로, 딥러닝을 통한 정교한 그래픽 처리가 필요했다. 이러한 생성형 인공지능 기술은 전통적인 시각적 디자인과 같이 높은 수준의 그래픽을 유지하면서도 제작비용을 절감하는 데 기여했다[34],[35].

Fig. 4.

A scene from “Get Me Out”[36]

• 자연어 처리 (NLP)

자연어 처리(NLP) 기술은 “겟 미 아웃”에서 영화의 내러티브 구성과 대사 생성에서 핵심적인 역할을 했다. AI는 공포와 심리적 고통을 주제로 한 기존 스크립트를 학습하여, 주인공의 대사와 내러티브를 자동으로 생성하였다. 이를 통해 AI는 주인공의 심리적 상태와 상황을 더욱 생생하게 전달하며, 인간 작가의 개입 없이도 일관성 있는 스토리라인을 유지할 수 있음을 입증했다[33]. 또한, NLP 기술은 특정 장면에서 주인공의 감정을 반영한 대사를 생성하여, 긴장감과 몰입감을 극대화하는 데 기여했다. 특히, AI는 주인공의 내면 갈등과 심리적 압박감을 강화하는 방향으로 대사를 구성하여, 관객이 주인공의 공포와 불안을 더욱 깊이 공감할 수 있도록 하였다. 이러한 NLP 기술의 활용은 영화 내러티브의 복잡성을 높이고, 인간 작가와 같이 어렵고 복잡한 심리적 깊이를 효과적으로 전달하는 데 기여했다.

• 컴퓨터 비전 (Computer Vision)

컴퓨터 비전 기술은 “겟 미 아웃”에서 시각적 일관성을 유지하고, 실시간 특수 효과를 구현하는 데 중요한 역할을 했다. 그림 5에서 AI는 Runway의 비디오-투-비디오 도구는 주인공의 불안정한 심리 상태를 표현하기 위해 불안정한 초점과 다이나믹한 카메라 움직임을 구현했다. 이 기술은 또한 장면의 조명과 색상을 조정하여 영화의 시각적 일관성을 유지하고, 관객이 주인공의 심리적 고통을 더욱 깊이 느낄 수 있도록 도왔다. 이와 같은 AI 기반의 시각적 표현은 공포 영화에서 중요한 긴장감과 몰입감을 극대화하는 데 기여했다[33].

Fig. 5.

Unstable focus and dynamic camera movements in “Get Me Out”[37]