[문화매거진=정규원 작가] “예술의 목적은 일상의 먼지를 씻어내는 것”이라는 피카소의 말처럼 예술은 언제나 감정과 긴밀히 연결되어 왔다. 하지만 지금 우리가 주목해야 할 것은 ‘인공지능이 이런 감정을 배울 수 있는가’라는 질문이다. 그동안 생성형 AI는 멋지고 사실적인 이미지를 만들어내는 데에는 성공했지만, 감정을 담아내는 데에는 서툴렀다.
최근 Jilin University와 National Taiwan University 공동 연구진이 공개한 “EmoArt: A Multidimensional Dataset for Emotion-Aware Artistic Generation”은 이 질문에 한 걸음 다가가는 중요한 시도다.
이 연구는 단순한 AI 모델 제안이 아닌, 데이터셋을 구축하는 데 초점을 맞췄다. 감정을 담아낸 예술 작품을 13만여 점 모으고, 체계적으로 감정과 시각적 속성에 주석을 달아 AI가 학습할 수 있는 기반을 마련한 것이다. 한마디로 ‘AI에게 감정의 언어를 가르치는 교과서’라 할 만하다.
EmoArt는 단순히 ‘슬픔’이나 ‘기쁨’ 같은 단순한 표정 데이터에 머무르지 않는다. 연구팀은 총 132,664점의 회화 작품을 모아 인상주의, 표현주의, 추상화 등 56개의 화풍으로 분류하고, 여기에 다층적인 주석을 달았다. 각 작품에는 단순히 화면 속 객체를 묘사하는 수준을 넘어 감정적 맥락까지 담아낸 평균 35단어 이상의 상세한 설명이 덧붙여졌다.
또 붓질의 두께와 리듬, 구도의 대칭과 방향, 색채의 조화와 강도, 선의 곡률과 강도, 빛의 대비와 분위기 같은 다섯 가지 핵심 시각적 속성도 체계적으로 기록되었다. 감정 레이블은 Russell의 정서 원형 모델에 따라 흥분도(arousal)와 쾌/불쾌(valence) 두 축을 기준으로 분류되었으며, Calm, Excited, Sad, Alarmed와 같은 12가지 세부 감정 범주가 포함되었다. 여기에 더해 작품이 주는 정서적 효용성 (예를 들어 안정감이나 고양감 같은 예술치료적 잠재력)까지 평가하여 기록한 점도 특징적이다.
주목할 만한 점은 이러한 주석이 단순한 인간의 수작업이 아니라, 최신 멀티모달 모델인 GPT-4o의 분석을 기반으로 생성되었다는 사실이다. AI가 먼저 이미지의 의미와 감정을 해석하고, 이후 인간 연구자가 이를 검증하는 방식으로 데이터셋이 구축된 것이다. 실제 검증 과정에서 감정 주석은 91% 이상 인간 평가와 일치하는 높은 신뢰도를 보여 EmoArt의 품질과 활용 가능성을 뒷받침했다.
결국 EmoArt는 단순한 데이터셋을 넘어 AI가 감정을 학습할 수 있도록 한다. 다만, 여기서 중요한 질문은 여전히 남는다. “그렇다면 이 데이터로 훈련된 AI는 실제로 얼마나 감정을 담아낸 이미지를 만들어낼 수 있을까?” 바로 이 지점에서 연구진이 진행한 모델 실험과 결과가 등장한다. 이는 단순한 데이터 구축 그 이상으로 감정 기반 창작의 가능성과 한계를 직접 시험해 본 과정이기도 하다. 참고로 이 연구는 아직 학회에서 공식적으로 채택된 논문은 아니고, 사전 공개된 단계다. 그럼에도 불구하고 ‘감정 중심 예술 생성’이라는 주제를 다루고 있다는 점에서 지금 시점에서 충분히 의미 있는 참고 자료라 할 수 있다.
그 이야기는 다음 칼럼에서 이어가 보려 한다.
Copyright ⓒ 문화매거진 무단 전재 및 재배포 금지
