1. 메일 현황
멘트
최외선 한국미술치료연구소장님께,
안녕하십니까? 저는 DGIST에 재학 중인 학부생 박준수입니다.
저는 동기들과 함께 4개의 긍정적인 감정(Amusement, Awe, Contentment, Excitement)과 4개의 부정적인 감정(Anger, Disgust, Fear, Sadness), 총 8개의 감정에 대한 설문조사를 진행 중입니다.
설문조사 방식은 8개 중 하나의 감정을 선택한 후, 그 감정이 느껴지도록 그림을 그려달라고 요청하는 것입니다. 이를 통해 저희는 8종류의 감정으로 레이블된 스케치 데이터셋을 수집하고 있습니다.
설문조사 링크는 다음과 같습니다:
https://docs.google.com/forms/d/e/1FAIpQLSeXRfCSxGVOwCj-LIaKVGcc0Hpgy0Y66hnyJ_0mUgnyaKMSDA/viewform
이해를 돕기 위해 설문조사 결과 예시를 이메일에 첨부하였습니다.
저희가 이 설문조사를 진행하는 목적은 "AI를 이용하여 스케치 그림에서 감정을 도출하는 연구"를 수행하기 위함입니다. AI를 통해 입력받은 스케치 데이터가 어떤 감정을 나타내는지, 나아가 그림에 어떤 의도가 담겨있는지 분석하고자 합니다.
이에 미술치료 전문가이신 소장님께 자문을 구하고자 이메일을 드리게 되었습니다.
- 이러한 연구가 미술치료 분야에 어떻게 도움이 될 수 있을지 궁금합니다.
- 미술치료의 관점에서 볼 때, 이 연구에서 더 발전시키거나 보완할 점이 있을까요?
제 이메일을 읽어주셔서 감사합니다.
좋은 하루 보내세요.
DGIST 학부생 박준수 올림
→ 답장이 저조하면, 대구 이외에도 다른 지역 미술치료사분께도 더 보낼 예정
2. 비교메트릭
- 보통 SOTA와 비교→그러나 우린 imagenet의 sota인 vit를 활용한다..?
- 이미지들의 색상정보를 기반으로 감성을 예측해내는 연구,,
→ 과정과 평가방법을 참고할 수 있을듯
과정.
1), 데이터 수집(Preparing Data) 단계에서는 Google에 특정 감성 키워드를 검색하여 이미지를 크롤링→ 이렇게 얻은 이미지들은 각각의 검색 키워드 감성으로 레이블 된 것으로 간주.(‘Happy(행복)’, ‘Calm(안정)’, ‘Angry(화남)’, ‘Depress(우울)’)
2) K-평균 군집화(K-mean Clustering)에서는 이미지 내 모든 픽셀의 색상을 군집화함으로써 이미지를 대표할 수 있는 색상 클러스터를 추출→ 이는 이후에 색상과 관련된 feature을 계산하는 데 사용된다.
3) 세 번째 특징 추출(Feature Extraction)에서는 RGB 색 공간에서의 각각의 색상 값, 그리고 색 조화도
와 명도, 채도의 조화도를 계산. 이렇게 계산된 특징은 보다 더 나은 학습 결과를 위해 이후 정규화(Normalization) 과정을 거침.
4)마지막으로 기계학습 자동화 기법(Automated MachineLearning)을 이용하여 최적의 기계학습 알고리즘을 찾아내고 그에 대한 하이퍼 파라미터 튜닝을 진행.
결과 : AUC 평가 지표 이용(AUC는 오차행렬의 FP(False Positive)와 TP(True Positive)를 두 개의 축으로 하여 그린 그래프의 ROC 곡선 아래 부분의 넓이를 의미하며 1에 가까울수록 성능이 좋은 것)
+70% train set, 30% Test set →10회 K-Fold Cross Validation
+AutoML으로 다른 알고리즘들도 비교
