인간 지각 기반 퍼지 색 모델 COLIBRI

초록

본 논문은 인간의 색 인지와 언어적 구분을 퍼지 집합으로 형식화한 색 모델 COLIBRI를 제안한다. 2,496명의 참여자를 대상으로 한 대규모 실험을 통해 색상·채도·명도에 대한 인간의 경계와 불확실성을 추출하고, 이를 기반으로 적응형 퍼지 멤버십 함수를 구축한다. 기존 RGB·HSV·LAB 모델과 비교했을 때 인간 지각과의 정합도가 현저히 높다.

상세 분석

COLIBRI 모델은 색 인지를 ‘언어적‑퍼지’ 관점에서 재구성한다는 점에서 기존 색 공간과 근본적인 차이를 보인다. 첫 번째 단계에서는 HSI 색 공간을 선택한 이유가 명확히 제시된다. HSI는 인간이 색을 ‘색조(Hue)’, ‘채도(Saturation)’, ‘명도(Intensity)’라는 세 축으로 인지한다는 심리학적 근거와 일치하며, 특히 명도가 색채 인지에 미치는 영향을 독립적으로 다룰 수 있다. 논문은 사전 실험을 통해 인간이 구분 가능한 최소 색 차이를 정의하고, 이를 기반으로 ‘구분 가능한 색 자극 집합’을 구축한다.

두 번째 단계는 2,496명의 피험자를 대상으로 한 대규모 색 명명 설문이다. 피험자는 제시된 색 자극에 대해 자유 명명과 다중 선택 방식을 동시에 수행했으며, 성별·색각 이상 여부 등 인구통계학적 변수도 함께 기록하였다. 수집된 데이터는 각 색 채널별(색조, 채도, 명도) 멤버십 함수 추정에 활용되었다. 여기서 저자들은 전통적인 ‘가우시안’ 혹은 ‘삼각형’ 형태의 퍼지 함수 대신, 실제 인간 응답 분포를 반영한 ‘트라페조이드(Trapezoidal)’와 ‘콘형(Conical)’ 함수를 혼합 적용하였다. 이는 색 경계가 선형이 아니라 비선형적으로 퍼지는 현상을 정밀히 모델링한다는 점에서 의미가 크다.

세 번째 단계에서는 적응 메커니즘을 도입한다. 신경망 기반 피드백 루프를 통해 새로운 색 데이터가 추가될 때마다 멤버십 함수 파라미터를 재학습한다. 이 과정은 ‘컨텍스트 의존성’—예를 들어 조명 변화나 문화적 배경에 따른 색 인식 차이—를 실시간으로 반영하도록 설계되었다.

평가에서는 COLIBRI와 기존 RGB, HSV, CIELAB 모델을 동일한 색 구분 과제에 투입했을 때, 인간 응답과의 평균 제곱 오차(MSE)가 COLIBRI가 현저히 낮았다. 특히 ‘파란색-청록색’ 경계와 같은 전형적인 퍼지 구간에서 기존 모델은 급격한 전이(디지털 ‘스텝’)를 보이는 반면, COLIBRI는 부드러운 멤버십 곡선으로 인간 인지와 거의 일치하였다.

또한 논문은 성별·색각 이상 집단에 대한 부수 분석을 제공한다. 남성·여성 간 색상 명명 빈도 차이가 통계적으로 유의미함을 확인했으며, 색각 이상 피험자는 특정 채도 구간에서 멤버십 함수 폭이 확대되는 경향을 보였다. 이러한 결과는 COLIBRI가 포괄적인 인간 색 인지를 모델링함을 뒷받침한다.

마지막으로 저자들은 ‘소프트 컬러 모델(Soft Color Models)’이라는 새로운 패밀리를 제안한다. 이는 하나의 색이 여러 언어적 범주에 동시에 속할 수 있음을 수학적으로 표현한 것으로, 향후 인간‑컴퓨터 인터페이스, 디자인 자동화, 마케팅 색채 전략 등에 적용 가능성이 크다. 전체적으로 본 연구는 대규모 인간 데이터와 퍼지 이론을 결합해 색 모델링의 패러다임을 전환시키는 중요한 기여를 한다.