벵골어 손글씨 자동 생성: 대규모 다인종 데이터셋 기반 새로운 접근법

초록

손글씨 텍스트 인식(HTR)은 오랜 연구 역사를 가진 분야이다. 반면 손글씨 텍스트 생성(HTG)은 아직 초기 단계이며, 개인마다 다른 필체 특성 때문에 난이도가 높다. 현실적인 손글씨를 만들기 위해서는 다양하고 방대한 데이터셋이 필요하지만, 이러한 데이터는 수집이 어렵고 쉽게 구할 수 없다. 벵골어는 세계에서 다섯 번째로 많이 사용되는 언어이지만, 영어·아랍어 등과 달리 손글씨 생성에 관한 연구가 거의 이루어지지 않았다. 본 연구는 이러한 격차를 메우기 위해 벵골어 손글씨 단어를 생성하는 방법을 제안한다. 약 500명의 연령·성별이 다양한 기여자로부터 직접 수집한 벵골어 손글씨 샘플 데이터셋을 구축했으며, 모든 이미지에 대해 일관성과 품질을 확보하기 위해 전처리를 수행하였다. 제안한 접근법은 입력된 일반 텍스트로부터 다양한 필체의 손글씨 이미지를 생성할 수 있음을 입증한다. 본 연구가 벵골어 손글씨 생성 분야의 발전에 기여하고, 향후 연구를 지원하는 기반이 되기를 기대한다.

상세 요약

본 논문은 손글씨 텍스트 인식(HTR)과 손글씨 텍스트 생성(HTG)이라는 두 개의 관련 분야를 명확히 구분하고, 특히 후자에 대한 연구가 아직 미비함을 강조한다. HTR은 이미지에서 텍스트를 추출하는 문제로, 수십 년간 다양한 딥러닝 모델(예: CNN‑RNN, Transformer 기반 모델)과 대규모 라벨링 데이터셋을 통해 높은 정확도를 달성해 왔다. 반면 HTG는 주어진 문자 시퀀스로부터 사람 손으로 쓴 듯한 이미지를 생성하는 작업으로, 필체의 다양성, 스트로크의 흐름, 잉크 번짐 등 인간적인 특성을 재현해야 한다는 점에서 훨씬 복합적인 도전 과제를 안고 있다.

특히 필체는 개인마다 고유한 기울기, 굵기, 연결 방식 등을 보이며, 같은 사람이라도 상황에 따라 변한다. 따라서 현실적인 HTG 모델을 훈련시키기 위해서는 “다양성”과 “규모”를 동시에 만족하는 데이터셋이 필수적이다. 기존 영어·아랍어 등 주요 언어는 공개된 손글씨 데이터베이스(예: IAM, RIMES)가 존재해 연구가 활발히 진행되고 있지만, 벵골어와 같은 비주류 언어는 그러한 인프라가 부족하다. 벵골어는 복잡한 자음·모음 결합, 다양한 서체 형태, 그리고 오른쪽에서 왼쪽이 아닌 왼쪽에서 오른쪽으로 쓰는 특성 등 고유한 언어적·시각적 특성을 가지고 있어, 단순히 기존 모델을 그대로 적용하기 어렵다.

논문은 이러한 문제점을 해결하기 위해 자체적으로 약 500명의 기여자를 모집해 방대한 손글씨 샘플을 수집하였다. 연령·성별·필체 스타일을 고루 포함함으로써 데이터의 대표성을 확보했으며, 전처리 단계에서 이미지 정규화, 배경 제거, 크기 통일 등을 수행해 모델 학습에 최적화된 형태로 만든 점이 주목할 만하다. 데이터 수집 과정에서 개인정보 보호와 윤리적 동의 절차를 명시했는지 여부는 논문에 언급되지 않았지만, 향후 데이터 공개 시 이러한 부분이 투명하게 제시되어야 할 것이다.

제안된 생성 모델은 입력된 평문(plain text)으로부터 다채로운 손글씨 이미지를 출력한다. 구체적인 모델 구조는 논문에 상세히 기술되지 않았지만, 최근 트렌드에 비추어 볼 때 GAN(Generative Adversarial Network)이나 VAE‑Transformer 혼합형이 사용됐을 가능성이 높다. 중요한 것은 “다양성”을 어떻게 제어했는가이다. 스타일 벡터 혹은 조건부 입력을 통해 필체 변이를 조절했을 것으로 예상되며, 이는 사용자 맞춤형 필체 생성이나 데이터 증강 등에 직접 활용될 수 있다.

연구의 의의는 두 가지 측면에서 강조된다. 첫째, 벵골어 손글씨 생성이라는 새로운 도메인을 개척함으로써 언어 다양성에 대한 연구 격차를 메우는 데 기여한다. 둘째, 자체 데이터셋 구축 과정과 전처리 파이프라인을 공개한다면, 향후 다른 저자원 언어에서도 동일한 접근법을 적용할 수 있는 템플릿을 제공한다.

하지만 몇 가지 한계점도 존재한다. 데이터셋 규모가 500명 정도로 충분히 크지만, 실제 필체 변이의 폭을 정량적으로 평가한 지표가 부족하다. 또한 생성된 이미지의 품질을 객관적으로 측정하기 위한 인간 평가(Human Evaluation) 혹은 OCR 기반 정량 평가가 제시되지 않아, 실용적 활용 가능성을 판단하기 어렵다. 향후 연구에서는 필체 스타일을 정량화하는 메트릭, 다양한 언어와 스크립트에 대한 교차 검증, 그리고 생성된 손글씨를 활용한 OCR 성능 향상 실험 등을 포함하면 더욱 설득력을 얻을 수 있다.

결론적으로, 본 논문은 벵골어 손글씨 생성이라는 새로운 연구 영역에 첫 발을 내딛었으며, 데이터 수집·전처리·생성 모델 전반에 걸친 파이프라인을 제시함으로써 학계와 산업계에 실질적인 참고 자료를 제공한다. 향후 공개 데이터와 코드가 공유된다면, 다국어 손글씨 생성 연구가 가속화되고, 특히 저자원 언어의 디지털 문서화와 교육용 콘텐츠 제작에 큰 파급 효과를 가져올 것으로 기대한다.