[정규원 칼럼] AI가 기분에 따라 그림을 그린다면: 감정 데이터를 기반으로 예술을 생성하는 사례②

[정규원 칼럼] AI가 기분에 따라 그림을 그린다면: 감정 데이터를 기반으로 예술을 생성하는 사례①에 이어 
 

▲ 사진: [2506.03652] EmoArt: A Multidimensional Dataset for Emotion-Aware Artistic Generation

[문화매거진=정규원 작가] 지난 글에서 EmoArt 데이터셋이 어떻게 만들어졌는지를 살펴보았다. 이제 남은 질문은 비교적 단순하다. “그렇다면 이 데이터로 훈련된 AI는 실제로 감정을 담아낸 그림을 그릴 수 있었는가?” 연구진들은 이 물음을 시험하기 위해 최신 Text-to-Image 확산 모델들을 EmoArt로 평가했다.

실험에는 Stable Diffusion XL, SD 3.5, PixArt-Sigma, OpenJourney, 그리고 FLUX.1 같은 모델을 사용하였다. 이들은 원래도 사실적인 이미지를 잘 그리지만, 감정을 표현하는 데는 한계가 있었다. 그래서 연구진은 EmoArt 주석을 활용해 FLUX.1 모델을 추가로 파인튜닝했고, 그 결과를 비교했다.

평가 방식은 이러했다. 단순히 화질이나 픽셀 유사도를 따지는 전통적 지표뿐 아니라, 감정 속성과의 정합성이라는 새로운 기준을 추가했다. 즉, 붓질, 색채, 구도, 빛, 선과 같은 시각적 요소가 의도된 감정과 얼마나 잘 어울리는지를 평가한 것이다.

결론적으로 FLUX.1을 파인튜닝한 모델이 가장 뛰어난 성능을 보였다. ‘Calm’을 표현하는 것을 요청했을 때는 파란색과 흰색의 단순한 블록 구성을 통해 차분함을 묘사했다. ‘Sad’나 ‘Alarmed’와 같은 부정적인 감정에는 비대칭적 구도와 뒤엉킨 선을 활용해 불안감을 표현했다. 반대로 기존 모델들은 사실적인 디테일은 살렸지만, 감정적 “톤”이 어긋나는 경우가 많았다.

더 흥미로운 점은 픽셀 기반 지표에서는 모델 간 차이가 크지 않았다는 사실이다. 하지만 감정 속성 정합성에서는 EmoArt로 학습된 모델이 확실히 우세했다. 이는 “잘 그린 그림”과 “느낌이 맞는 그림”이 다르다는 것을 보여준다. AI가 단순히 이미지를 재현하는 수준을 넘어, 감정을 불러일으키는 조형 요소를 학습할 수 있음을 나타내는 점이다.

물론 한계도 분명하다. EmoArt 자체가 긍정적, 낮은 레벨의 정서에 편중되어 있기 때문에 AI는 여전히 ‘평온하고 밝은 그림’을 잘 그리는 쪽에 치우칠 수 있다. 또 감정은 본질적으로 모호하고 다층적이어서, 단일 레이블만으로는 인간 경험의 깊이를 다 담기 어렵다. 무엇보다 중요한 질문은 여전히 남아 있다. “AI가 감정을 표현한다는 것이, 곧 AI가 감정을 이해한다는 것일까?”

그럼에도 불구하고 EmoArt의 시도는 분명 의미 있다. 이는 단순한 기술적 진보가 아니라, 예술이 지닌 감정적 언어를 인공지능이 배우려는 의미 있는 실험이다. 우리는 이제 AI가 감정을 흉내 내는 단계를 넘어서, 인간과 예술적 호흡을 나눌 수 있는지 묻는 지점에 서 있다.