게임 에셋은 게임을 구성하는 개별 제작 자원을 뜻한다. 이번 평가 대상은 캐릭터와 아이콘, 배경, 사용자 인터페이스(UI) 등 그래픽 자원이다. 벤치마크는 AI 모델의 성능을 같은 조건에서 비교하기 위한 시험 문제와 채점 체계다. 이번 벤치마크는 AI가 그래픽 자원의 제작 규격을 얼마나 정확히 이해하고, 규격 위반을 찾아내는지 측정한다.
게임에 쓰는 이미지는 보기 좋게 만드는 것만으로 충분하지 않다. 크기와 기준점, 배경의 투명 처리, 게임 엔진 설정값 등도 제작 규격에 맞아야 한다. 기준점은 이미지를 배치할 때 기준으로 삼는 위치다. 이 위치가 잘못되면 캐릭터가 바닥에서 떠 보일 수 있다. 다른 규격이 어긋나도 화면 요소의 위치가 밀리는 등 문제가 생긴다. 이 경우 개발자가 결과물을 다시 손봐야 한다.
문제는 제작 규격이 프로젝트마다 다르다는 점이다. 일부 검수 기준은 문서 대신 개발자의 경험과 작업 관행에 남아 있다. AI를 제작 현장에서 활용하려면 이런 요구사항을 이해하는 능력이 필요하다. 완성된 결과물이 조건에 맞는지 확인하는 능력도 갖춰야 한다.
양사는 현장의 제작·검수 기준을 명확한 규칙과 평가 문제로 바꾼다. AI가 요구사항을 읽고 확인할 항목을 제대로 파악하는지 평가한다. 필요한 측정 도구를 선택하고 호출하는 능력도 살펴본다. 이후 에셋의 규격 준수 여부를 정확히 판단했는지 채점한다. 사전에 정한 규칙과 정답 데이터를 활용해 여러 모델의 성능을 비교할 수 있도록 설계한다.
앵커노드는 게임 제작 경험을 바탕으로 평가 대상 규격을 정의한다. 평가 문제와 정답 데이터도 설계한다. 업스테이지는 자사 AI 모델 솔라(Solar)와 API, 벤치마크 설계 노하우를 제공한다.
업스테이지의 사전 확인에서는 ‘솔라 프로 4’가 유니티 엔진의 에셋 설정 파일을 읽는 작업을 수행했다. 파일에서 준수해야 할 규격을 파악해 정해진 형식의 규칙 목록으로 작성했다.
공개 대상은 평가 문제와 채점 프로그램, 정답 데이터, 관련 문서다. 게임사는 이를 활용해 에셋 검수에 적합한 AI 모델을 판단할 수 있다. AI 모델 개발사는 게임 제작 규격에 대한 자사 모델의 이해도를 점검할 수 있다. 도구 활용 능력을 검증하고 개선하는 데도 활용할 수 있다.
이번 프로젝트는 서울경제진흥원(SBA)이 주관하는 ‘DIP-Spot 오픈이노베이션 in 동작’ 협업 과제다. 업스테이지가 수요기업으로 참여해 앵커노드를 협업 파트너로 선정했다. 양사는 벤치마크 개발을 바탕으로 게임 개발 도구와의 연계 등 협력 확대 방안도 모색한다.
원재호 앵커노드 대표(사진)는 “AI가 이미지를 잘 만드는 것에서 나아가 실제 게임 제작에 쓰이려면, 프로젝트가 요구하는 규격을 이해하고 결과물이 그 조건에 맞는지 확인할 수 있어야 한다”며 “앵커노드가 가진 게임 제작 현장의 지식과 업스테이지의 언어 모델 기술을 연결해, AI가 게임 제작에서 무엇을 이해하고 수행해야 하는지 구체적인 평가 기준을 만들겠다”고 말했다.
|
주요 솔루션은 ‘게임에이아이파이(GameAIfy)’다. 캐릭터 콘셉트를 바탕으로 이미지와 모션, 배경 등 게임 그래픽을 AI로 생성한다. 편집과 공유, 작업 이력 관리 등 제작·협업 기능도 제공한다. 지난해에는 네이버 D2SF로부터 투자를 유치했다.
