초록
인간의 시각은 약 200만에서 700만 가지의 구분 가능한 색조를 인식할 수 있는 광범위한 색채 스펙트럼을 가지고 있다. 그러나 이 놀라운 범위가 모든 색조가 언어적으로 정확히 이름 붙여지고 설명된다는 의미는 아니다. 우리는 일상생활에서 익숙한 사물이나 개념과 색을 연결지어 인식하는 경우가 많다. 본 연구는 수많은 색조에 대한 시각적 인식과 그것들을 정확히 표현하고 이름 붙일 수 있는 능력 사이의 격차를 메우고자 한다. 이를 위해 이 연구를 위해 특별히 구축한 프라이버시 데이터셋을 기반으로, 양방향 장단기 기억 네트워크(BiLSTM)와 능동 학습(Active Learning)을 활용한 새로운 모델이 개발되었다. 본 연구의 주요 목적은 기존에 이름이 없거나 전통적인 색채 용어로는 설명하기 어려운 중간 색조를 식별하거나, 새로운 색조를 분류하고 명명할 수 있는 유용한 도구를 창출하는 것이다. 연구 결과는 이 혁신적인 접근 방식이 색채 인식과 언어에 대한 우리의 이해를 혁신적으로 변화시킬 잠재력을 보여준다. 철저한 실험과 분석을 통해 본 연구는 자연어 처리(NLP) 기술이 다양한 산업 분야에 적용될 수 있는 희망적인 길을 제시한다. 광범위한 색채 스펙트럼을 탐색할 수 있도록 지원함으로써, NLP의 응용 가능성은 기존의 경계를 넘어선다.