새로운 춤 동반자: 다수의 춤 장르에 의해 제어되는 음악 조건부 다중성 춤 제어

무대에서 움직임을 구성할 때 안무가들은 자신이 숙련된 안무 장르에 익숙해지면서 고유한 습관을 형성하게 된다. 따라서 자연스럽게 자신이 익숙한 안무 장르의 특정 패턴을 반복적으로 활용하게 된다. 만약 인공지능이 안무가들이 다양한 안무 장르를 융합할 수 있도록 다양한 안무를 제안하고, 그들의 안무 스타일과 가장 잘 어울리는 안무를 추천할 수 있다면 어떨까? 현재까지는 안무 생성을 위해 자동회귀 네트워크의 수많은 작업 특화 변형들이 개발되어 왔다. 그러나 기존 알고리즘의 심각한 한계는 주어진 초기 자세 시퀀스에 대해 반복적인 패턴만을 출력할 수 있다는 점이다. 이 문제를 완화하기 위해, 본 연구에서는 단일 모델만을 사용하여 음악 조건 하에서 여러 안무 장르를 통합한 다중 가능성(multi-pluralistic) 안무 생성이 가능한 새로운 확장 가능한 접근법인 MNET을 제안한다. 여기서 우리는 트랜스포머 아키텍처를 활용한 조건부 생성적 적대 신경망(conditional GAN)을 훈련함으로써 안무 장르 인식(latent representation) 능력을 학습한다. 제안된 방법은 AIST++ 데이터셋을 기반으로 광범위한 실험과 사용자 연구를 수행하여 검증되었으며, 최신 기술 대비 실현 가능하고 다양한 안무 결과를 다수의 안무 장르에 따라 생성함과 동시에 정성적·정량적으로 우수한 안무 시퀀스를 생성함을 입증하였다.