뇌 신호를 이용한 제품 의미론 변환: 적대적 학습을 통한 새로운 접근

초록

이 논문은 사용자의 뇌 활동으로부터 제품의 디자인 의미론을 수정하는 방법을 제안한다. 이를 위해 적대적 학습과 StarGAN 아이디어를 활용하여, EEG 신호에 따른 제품 이미지의 새로운 특징을 생성하고, 다른 이미지 특징은 유지하는 모델을 개발하였다.

상세 요약

이 논문에서는 디자인 의미론의 작은 변화가 사용자의 제품 만족도에 영향을 미칠 수 있다는 점에서 출발한다. 이를 위해 개인화된 뇌 활동을 통해 주어진 제품의 디자인 의미론을 수정하는 방법으로, 적대적 학습(adversarial learning)을 활용한 심층 생성 변환 모델(deep generative transformation model)을 제안하고 있다. 이 모델은 두 가지 목표를 설정한다: 1) EEG 신호에 대응하는 새로운 특징을 가진 제품 이미지를 합성하고, 2) EEG 신호와 관련이 없는 다른 이미지 특징을 유지한다.

StarGAN의 아이디어를 활용하여, 이 모델은 뇌 활동에서 유래한 적대적 학습을 통해 선호하는 디자인 의미론(색상과 형태)으로 제품을 합성할 수 있다. 논문에서는 신발을 예로 들고 EEG 신호로부터 다양한 디자인 의미론을 가진 신발을 생성하는 사례 연구를 수행한다.

이 모델의 효과성을 검증하기 위해 사례 연구가 제시되며, 이 결과는 뇌 활동으로부터 제품 의미론을 합성할 수 있는 잠재력을 입증하는 개념 증명(proof-of-concept) 역할을 한다. 이러한 접근은 사용자의 뇌 신호를 직접 활용하여 디자인 과정에 반영함으로써, 개인화된 제품 개발 및 사용자 경험 향상에 중요한 의미를 갖는다.