*Corresponding author: Jeong-A Park Tel : +82-2-2077-7692 E-mail : I. 서 론
오늘날 퍼스널 컬러에 대한 관심이 늘어난 가운데 퍼스널 컬러의 진단 및 활용은 뷰티 관련 모든 분야에서 적용되고 있다. 21세기의 뷰티는 단순히 외모를 아름답게 가꾸는 것뿐만 아니라 자신이 가진 업무 능력의 평가절하를 방지하고 보다 향상된 전문가적 표현을 가능하게 한다(Seo & Kim, 2024). 뷰티는 실용 예술로서 헤어디자인, 메이크업, 네일 아트 등에서 퍼스널 이미지에 맞는 표현을 중요하게 생각하게 되었다(Yoon, 2020). 이와 같이 퍼스널 컬러의 대중화로 인해 많은 뷰티 소비자들은 퍼스널 컬러 진단을 통해 자신에게 잘 어울리는 컬러나 톤(Tone)을 알고 전략적으로 사용하기를 원한다. 과거에는 그 시대에 유행하는 스타일이나 고객이 원하는 스타일을 해주는 기능적 측면만을 고려하였다면, 현재의 뷰티 관련 전문가들은 고객과 상호 커뮤니케이션을 통해 적절한 컬러 및 스타일을 찾아주는 등의 의견을 제안하는 뷰티 스타일링 컨설턴트의 역할로 변화하고 있다.
Oh(2022)은 뷰티 스타일링은 ‘뷰티(Beauty)’와 ‘스타일링(Styling)’의 합성어로 ‘특정 스타일에 맞추어 아름답게 꾸미는 것’을 뜻하며 인체를 대상으로 특정한 이미지를 형성하기 위한 꾸미기를 의미하고 패션을 포함한 헤어, 메이크업, 네일 아트를 모두 스타일링의 개념이라고 하였으며 An(2024)은 헤어, 메이크업으로 한정하였고, Joo(2020)은 헤어와 패션으로 한정하여 제시하였다.
퍼스널 컬러 이미지와 뷰티 스타일링의 연관성에 대해 Kim & Choi(2022)는 얼굴형과 이미지가 퍼스널 컬러 유형 진단에 하나의 변수가 될 수 있다고 하였으며, 퍼스널 컬러 진단 시 고유의 신체색의 특징으로 분석이 어려운 경우 얼굴형과 이미지를 고려한 진단이 오류를 최소화할 수 있음을 제시하였다. 또한 Yun & Ahn(2024)은 퍼스널 컬러 진단 인식이 헤어 만족도에 유의미한 영향력을 미치는 것으로 나타났으며, 이는 뷰티 산업에서 퍼스널 컬러 진단을 통한 헤어 컬러 선정이 고객의 만족도를 높일 수 있음을 제시하였다. 이와 같이 뷰티 분야에 종사하는 전문가는 고객 상담을 보다 전문적으로 하기 위해 퍼스널 컬러 진단 후 뷰티 스타일링에 대한 상담을 통해 고객에게 최적의 스타일을 제공하기도 한다. 그러나 고객과의 의사소통에 있어 사람마다 생각하는 이미지의 오차가 있기 때문에 정확한 의사소통이 이루어지기는 쉽지 않다. 이러한 문제를 해결하기 위해 의사소통의 간극을 좁혀주는 도구로 연예인 사진이나 포트폴리오 등을 통해 이미지를 고객에게 제시하고 연출하고자 하는 스타일을 제안하는데 도움을 받는다. 그러나 정확한 이미지 제시가 어려울 뿐만 아니라 고객이나 스타일리스트가 원하는 이미지를 정확하게 찾아내기는 쉽지 않다. 이에 4차 산업혁명 시대에 맞게 인공지능을 활용하여 원하는 이미지를 생성할 수 있을 것이라는 가정하에 이미지 생성형 인공지능(AI)를 활용하여 퍼스널 컬러를 적용한 이미지를 생성해 보고자 한다.
이러한 AI의 활용은 오늘날 미술, 문학, 음악 분야 등에서 인간과 서로의 창의력을 촉진시키고 있으며, 이에 따라 예술가와 기술자가 하나로 합쳐진 AI 아티스트라는 특별한 유형의 아티스트의 등장이 예상되고 있다. 이와 같이 모든 산업 분야에서 AI의 활용에 대한 관심이 증가되고 있으며, AI 기술을 통해 인간의 창의력을 어떻게 향상시킬 수 있을 것인지에 대한 논의가 필요한 시점이다(Kim & Cho, 2024).
이미지 생성형 AI와 뷰티에 관한 선행 연구를 살펴보면, Lee & Choi(2023)는 이미지 생성형 AI를 입체주의 아트 메이크업 디자인 창작에 대한 도구로 사용하였으며, 생성된 디자인은 실제로 구현할 수 있는 수준의 실용성과 완성도를 갖추고 있음을 언급하며 이미지 생성형 AI를 활용해 뷰티 디자인을 시각화할 수 있음을 제시하였다.
Lee(2024)는 이미지 생성형 AI 분야에서 활용되는 서비스들을 사례 분석하고 실제 최신 모델을 활용하여 뷰티 테크와 관련된 이미지를 직접 생성하고 비교 분석하였으며, 생성형 AI는 뷰티 이미지 생성과 맞춤형 제품 추천 등 다양한 분야에서 AI 기술이 활용되어 소비자 경험을 개선하고, 뷰티 시장 확대에 있어 이바지할 수 있음을 제시하였다. 또한, Lee & Choi(2023)는 네일아트 디자인 창작에 있어 이미지 생성형 AI를 활용하여 네일아트의 구조 및 문양, 표현방법, 예술사조의 항목으로 분류하여 텍스트 프롬프트를 구성한 후 생성된 이미지를 분석하였으며, 각 항목에 적합한 텍스트 프롬프트를 구성할 경우 개인 요구에 따른 맞춤형 네일아트 디자인을 제작할 수 있음을 제시하였다. 뿐만 아니라 Jong et al.(2024)은 초현실주의 기법을 회화적 메이크업 작품에 적용하고 생성형 AI를 활용하여 작품을 제작하였으며, 초현실주의의 특징과 헤어 스타일, 메이크업을 중심으로 작품을 분석하였다. 그러나 뷰티 스타일링 요소에 대해 얼굴형을 포함하여 사계절 이미지를 분석하고 이미지 생성형 AI를 활용하여 뷰티 모델 이미지를 제시한 논문은 찾아보기 어려웠다.
따라서 본 연구의 목적은 퍼스널 컬러 사계절 이미지와 뷰티 스타일링 요소에 대해 얼굴형과 메이크업 이미지, 헤어 컬러에 관한 선행 연구를 고찰하고 각 요소를 사계절 이미지로 분류 및 재구성을 통해 이미지 생성형 AI를 활용하여 AI 모델을 사계절별로 제작함으로써 퍼스널 컬러에 따른 뷰티 스타일링 이미지를 시각화하는데 있다. 이를 통해 퍼스널 컬러 사계절 이미지에 대한 고객과의 의사소통의 오차를 줄이고 이미지 생성형 AI의 활용 가능성을 탐색하여 뷰티 관련 산업 현장에서 보다 용이하게 사용할 수 있는 기초 자료를 제공하는 데 연구의 의의가 있다.
II. 이론적 배경
1. 퍼스널 컬러와 사계절 이미지
현대의 퍼스널 컬러의 개념은 개인이 가진 고유의 색상인 눈동자, 피부색, 머리카락 색 등과 조화를 이루는 톤을 의미하며(Kim & Choi, 2024), 이는 자신에게 어울리는 퍼스널 컬러를 찾아 패션 코디네이션, 스타일, 메이크업, 네일아트, 헤어 컬러링 등 이미지 메이킹에 활용하여 외모를 표현하는 모든 요소에 적용함으로써 효율적인 이미지 연출을 가능하게 한다. 이는 개인의 이미지와 전체적인 조화를 이루는데 큰 역할을 하며(Kim & Choi, 2022; Shin & Kim, 2023), 요하네스 이텐(Johannes Itten)과 캐롤 잭슨(Carole Jackson)을 포함한 많은 학자들은 신체색이 퍼스널 컬러를 구분하는데 주요한 기준이 됨을 제시하였다(Kang & Jung, 2022). 또한 Lee(2023)의 연구에서는 퍼스널 컬러 시스템에 따라 봄, 여름, 가을, 겨울 등 사계절 색상으로 피부색을 구분하고 배색 기법을 통해 뷰티 스타일링을 제안하였다. 이와 같이 최근에는 사회·교육적 측면에서 개인과 대인 및 사회 관계성에 대한 관심이 높아지면서 퍼스널 이미지와 퍼스널 컬러의 중요성이 부각되고 있으며, 퍼스널컬러는 퍼스널 이미지를 연출하는데 중요한 요인으로 작용된다(Kim & Kim, 2024). 더불어 I.R.I 색채연구소에서는 한국의 소비자를 대상으로 다차원 척도법을 통해 개발된 I.R.I. 이미지 스케일을 포지셔닝 맵 분석도구로 활용하고 있다<Fig. 1>. I.R.I. 단색 이미지 스케일은 이미지에 맞는 컬러를 공간에 배치하여 한 눈에 알아볼 수 있도록 만든 이미지 공간이다. Fig. 2의 I.R.I. 형용사 이미지 스케일은 컬러 이미지에 맞는 형용사 어휘를 배치한 이미지 공간으로, 각각의 이미지 스케일을 살펴보면 Y축은 ‘딱딱한-부드러운’, X축은 ‘동적인-정적인’ 기준으로 분류되고, 각 매트릭스 구역에는 ‘귀여운’, ‘맑은’, ‘온화한’, ‘내츄럴한’, ‘경쾌한’, ‘화려한’, ‘우아한’, ‘은은한’, ‘다이나믹한’, ‘모던한’, ‘점잖은’, ‘고상한’의 열두가지 범주로 나누고 있다(Bae & Kim, 2020).
2. 이미지 생성형 AI
이미지 생성형 AI는 머신러닝을 넘어 스스로 예측하는 딥러닝(deep learning) 기술을 통해 이미지를 생산하고 요구자와 소통하며 생각하고 새로운 방향의 이미지를 생성하는 AI로, 창작자가 연상하는 이미지를 추측하고 구체적으로 표현하여 인간과 인공지능(AI)의 경계가 되었던 예술적 한계를 넘어 창조력의 간격을 좁히고 있다(Seol, 2023). 즉, 인공지능과 창작자의 예술적 표현의 간극을 좁혀 창작자의 의도를 인공지능을 통해 표현한다.
이미지 생성형 AI로는 DALL-E, Leonardo. Ai, Microsoft Bing 이미지 제너레이터, Midjourney 등이 있다. 이들은 Text-to-Image 방식으로 프롬프트(prompt)를 입력하면 이에 맞게 이미지를 생성하는 방식이다. 각 서비스마다 조금씩 차이가 있으며, 사용자가 생성된 이미지를 선택하거나 프롬프트를 수정하여 다시 생성할 수 있다(Hur, 2023). 이러한 AI 기술은 디자이너의 작업을 돕는 조력자의 역할을 할 수 있으며, 예술가들에게는 새로운 실험 도구로 인식되어 자신의 작품을 혁신적으로 변형시키고자 하는 도전에 사용되기도 한다(Park, 2023).
3. 프롬프트
프롬프트(Prompt)란 사용자가 챗봇에게 명령하여 정확한 답변을 받기 위해 말하는 명령어나 지시어를 말한다. 생성형 AI라는 새로운 도구를 효과적으로 작동하려면 새로운 기술의 수용, 신중한 계획 및 아이디어, 구체적인 프롬프트 작성, 그리고 반복된 실험 등이 필요하다(Shim, 2024). 이러한 인공지능을 보다 효과적으로 사용하기 위해서는 구체적인 프롬프트 제시가 가장 중요하다. Khizer Abbas는 R-T-F, T-A-G, B-A-B, C-A-R-E, R-I-S-E의 5가지 프롬프트 프레임워크(Framework)를 제시하였다.
R-T-F 프레임워크는 역할(Role)-작업(Task)-형식(Format)의 약어로 원하는 출력의 역할, 작업 및 형식을 정의하는데 유용하며, T-A-G 프레임워크는 작업(Task)-액션(Action)-목표(Goal)의 약어로 원하는 결과를 달성하기 위해 프롬프트의 구성요소를 분류하여 작업 및 목표를 조정하는 데 중점을 둔 프레임워크이다. B-A-B 프레임워크의 경우 비포(Before)-애프터(After)-브릿지(Bridge)의 약어로 초기 작업물(이전)에서 원하는 결과(이후)를 거쳐 둘 사이의 격차를 해소하여 변환에 유용하며, C-A-R-E 프레임워트는 컨텍스트(Context)-액션(Action)-결과(Result)-예시(Example)의 약어로 원하는 응답을 생성하도록 예시를 제공하여 상황을 제공하고 조치를 지정하며 결과를 예상하는데 유용하다. R-I-S-E 프레임워크는 역할(Role)-입력(Input)-단계(Steps)-기대(Expectation)의 약어로 역할을 정의하고, 입력을 제공하며, 단계를 요약하고, 기대를 지정하는 것을 중점으로 둔 프레임워크이다.
본 연구에서는 사계절 이미지에 따른 뷰티 스타일링 이미지 생성이라는 목적에 부합한 ‘뷰티스타일리스트’의 페르소나 또는 관점을 지정하여 접근이 가능한 역할 기반의 프롬프트 프레임워크인 R-I-S-E 유형과 R-T-F 유형을 활용하고자 한다. 세부 내용은 <Table 1>과 같다(Kim & Cho, 2024).
III. 내용 및 방법
1. 연구문제 및 절차
본 연구는 퍼스널 컬러 이미지에 따른 뷰티 스타일링 즉, 얼굴형, 메이크업 이미지, 헤어 컬러를 이미지 생성형 AI DALL-E3를 활용하여 계절별 퍼스널 뷰티 이미지를 시각화하기 위해 시행되었다. 뷰티 스타일링의 요소 중 메이크업 이미지, 헤어 컬러는 각 스타일을 퍼스널 컬러의 사계절 이미지에 대입시켰으며, I.R.I 형용사 이미지 스케일에서 얼굴형을 분석하고 군집화하여 재구성하였다.
연구문제는 다음과 같다.
연구문제 1. 프레임워크를 적용한 프롬프트와 적용하지 않은 프롬프트에서 생성한 AI 모델 이미지의 차이가 있는가?
연구문제 2. 이미지 생성형 AI DALL-E3는 창작자의 의도대로 사계절별 모델 이미지가 잘 표현되는가?
연구의 절차는 다음과 같다.
첫째, 사계절별 이미지에 대한 얼굴형, 퍼스널 컬러의 메이크업 이미지 및 헤어 컬러를 선행연구 고찰을 통해 많이 언급된 것 위주로 선정하여 각 계절별로 분류하였다. 둘째, 사계절별 이미지에 따른 뷰티 스타일링의 특징과 요소가 반영되도록 Khizer Abbas의 Chat GPT 프롬프트 프레임워크 R-I-S-E와 R-T-F에 반영하여 프롬프트를 구성하였다. 셋째, 이미지 생성형 AI DALL-E3에 각 프레임워크를 적용하여 프롬프트를 입력하고 사계절별 모델 이미지를 생성하였다. 마지막으로, 생성된 AI 모델 이미지를 분석 및 고찰하여 사계절별 이미지에 따른 뷰티 스타일링의 특징이 잘 표현되었는지 분석하였다<Table 2>.
2. 이미지별 뷰티 스타일링의 R-I-S-E와 R-T-F 프레임워크를 적용한 프롬프트 구성
R-I-S-E 프레임워크 프롬프트 구성으로는 챗GPT가 프롬프트에 접근해야 하는 페르소 또는 관점을 지정하는 과정인 역할(Role)을 뷰티 스타일리스트로 제시하였고, 입력(Input)은 챗GPT가 이미지를 생성하도록 안내하는 관련 정보를 작성하는 과정으로 퍼스널 컬러 사계절 중 계절별 이미지에 맞는 뷰티 스타일링임을 제시하였다. 또한, 단계(Steps)는 프롬프트에 응답하기 위해 따라야 하는 일련의 과정으로 배경부터 뷰티 스타일링의 요소들을 단계별로 제시하였다. 다음은 기대(Expectation) 과정에서 계절별 이미지 인물을 제작할 것을 제시함으로써 생성하고자 하는 목표를 명시하여 프롬프트를 구성하였다.
R-T-F 프레임워크 프롬프트 구성으로는 생성된 이미지를 작성해야 하는 관점을 지정하는 과정인 역할(Role)을 뷰티 스타일리스트로 제시하였고, 프롬프트에 응답하여 AI가 수행해야 하는 특정 작업 또는 일련의 작업을 간략하게 설명하는 과정인 작업(Task)에는 계절별 이미지에 대해 생성하고자 하는 뷰티 스타일링 요소를 제시하였다. 형식(Format)에는 배경과 인물을 제시하여 생성된 이미지가 표시되어야 하는 구조 또는 스타일을 나타낸 모델 이미지가 생성되도록 하였다.
3. 프롬프트 프레임워크 적용 여부에 따른 AI모델 이미지 비교
Khizer Abbas의 프롬프트 프레임워크를 적용하였을 때와 적용하지 않았을 때 생성한 AI 모델 이미지는 <Table 3>과 같다. 프레임워크를 적용하지 않았을 때 생성된 이미지(좌)를 살펴보면 봄의 이미지에 적합한 배경과 모델로 표현되었으나 다소 어색하고 인공적인 느낌으로 연출되었으나 프레임워크를 활용하여 프롬프트를 구성한 모델 이미지(우)는 보다 자연스럽고 마치 실제 모델에 스타일링을 하고 사진 촬영을 한 것과 같이 깔끔하게 표현되었다. 이처럼 뷰티 스타일리스트의 역할을 지정함으로써 프롬프트로 구성하지 않은 요소도 모델에 반영하여 해당 이미지에 적합한 전반적인 뷰티 스타일링이 표현되었다. 이는 프롬프트 프레임워크가 역할기반 프롬프트로 생성형 AI에게 특정한 역할을 지정하고 맥락과 상황에 대한 추가 정보와 함께 제공하여 그 역할에 맞는 답변이나 해결책을 도출시킬 수 있음을 제시하고 있다(Kim & Cho, 2024). 따라서 본 연구에서는 사계절별 뷰티 스타일링의 모든 이미지를 프레임워크를 적용하여 제시하였다.
IV. 결과 및 고찰
1. 사계절 이미지와 뷰티 스타일
1) 얼굴형
신체적 요소 중 얼굴은 개인의 생김새를 가장 잘 표현하며, 대인관계에서 사람의 이미지를 결정하는 중요한 단서로의 역할을 한다(Cha, 2023). 얼굴형은 이목구비와 머리 모양을 제외한 얼굴의 외곽선을 말하며, 얼굴 유형은 외곽선의 형태에 따라 특징적으로 나뉘는 타입을 말한다(Lim, 2024). 이러한 얼굴형은 눈, 코, 입, 턱, 볼, 이마의 형태와 얼굴의 넓이와 높이, 턱선과 이마의 길이 등의 조건에 따라 얼굴형이 결정된다(Hwang, 2023). 관련 선행연구를 살펴보면 얼굴형 형용사 이미지에 대해 가장 많이 언급된 것으로 둥근형, 계란형, 긴형, 각진형, 역삼각형, 다이아몬드형의 6가지로 구분하였다. 둥근형에서 나타난 이미지 키워드는 낙천적인, 온화한, 귀여운, 사랑스러운, 친근한, 발랄한, 젊은, 어려보이는, 쾌활한, 아기자기한 등이었고, 계란형은 부드러운, 자연스러운, 청순한, 매력적인, 성숙한, 조화로운, 친근한, 포근한, 고상한 등으로, 역삼각형은 소녀적인, 지적인, 세련된, 날카로운, 가냘픈, 연약한, 차가운 등의 키워드로 다소 어려보이거나 부드러운 이미지를 연상시키는 봄과 여름의 색채 이미지가 연상되는 키워드가 많았다.
반면, 긴형은 침착한, 고전적, 성숙한, 조용한, 이지적인, 우아한, 지혜로운 등의 키워드가 많이 언급되었으며, 각진형은 신뢰감 있는, 성실한, 남성적, 강인한, 도덕적, 의지가 강한, 당당한, 활동적 등의 키워드가, 다이아몬드형에서는 차가운, 예리한, 섹시한, 지적인, 냉정한, 자존심 강한, 성숙한, 강한 등으로 나타나 가을, 겨울이 연상되는 색채 이미지로 구분할 수 있었다(Kim, 2021; Cha, 2023; Kwang, 2023; Lim, 2024). 이를 I.R.I. 형용사 이미지 스케일을 기준으로 군집화 하였으며 <Table 4>. 군집화한 형용사를 토대로 얼굴형의 사계절 이미지를 분류하였다<Table 5>.
이는 Kim(2021)의 연구에서 둥근형 얼굴형과 계란형 얼굴형은 퍼스널 컬러 봄 유형에서 가장 많은 분포를 차지하며, 여름 유형은 둥근형, 계란형, 각진형, 역삼각형, 다이아몬드형, 가을 유형은 다이아몬드형, 긴형, 겨울 유형은 각진형, 다이아몬드형, 역삼각형이 가장 많은 분포를 차지한다는 점에서 유사한 결과로 나타났다. 본 연구에서는 연구자 간 논의를 통해 봄은 둥근형, 여름은 역삼각형, 가을은 긴형, 겨울은 각진형으로 선정하여 프롬프트를 구성하여 활용하였다.
2) 메이크업
뷰티 스타일에서 메이크업은 매력적인 얼굴을 통하여 자신의 이미지를 긍정적으로 형성하도록 하여 성공적인 인간관계 형성에 도움을 준다. 또한, 얼굴의 구조적 특징을 강조하고 수정함으로써 인물의 성격을 표현할 수 있는 기능이 있다. 특히, 눈과 볼, 입술의 배색에 따라 이미지 형성에 큰 영향을 미친다. 뿐만 아니라 얼굴의 불만족스러운 부분을 감추기 위해 메이크업을 하기도 하며, 자신의 얼굴에 만족하고 있다고 하더라도 보다 더 아름답게 보이기 위해 메이크업을 하기도 한다(Kwak, 2023). 이러한 메이크업은 신체 고유색과의 조화가 중요하며, 퍼스널 컬러 유형에 따라 색채 적용을 다르게 하는 것이 보다 자연스럽고 아름답게 표현할 수 있다. 관련 선행 연구를 살펴보면 메이크업 이미지 형용사에 대해 가장 많이 언급된 것으로 내추럴, 로맨틱, 프리티, 엘레강스, 매니쉬, 섹시, 모던, 에스닉, 고져스, 레트로의 10가지로 구분하였다(Lee, 2020; Kim, 2021; Lee, 2022; Kim, 2023; Kwak, 2023). 내추럴에 나타난 키워드는 자연스러운, 부드러운, 소박한 등이었고, 로맨틱은 사랑스러운, 부드러운, 아름다운 등이었으며, 프리티는 귀여운, 어린, 밝은, 달콤한 등이었고, 엘레강스는 우아한, 고상한, 온화한, 여성스러운 등의 형용사 키워드로 고명도, 저채도-고채도의 색채를 연상시키는 봄과 여름의 색채 이미지가 연상되는 키워드가 많았다.
반면, 매니쉬에 나타난 키워드는 남성적인, 세련된 등이었고, 섹시는 매력적인, 황홀한 등이었으며, 모던은 지적인, 도회적인 등의 차가운 색상과 저명도-고명도, 고채도의 색상을 연상시키는 겨울의 색채 이미지가 연상되는 키워드가 많았다. 또한, 에스닉은 민속적인, 향토적인, 소박한, 오래된 등이었고, 고져스는 호화스러운, 사치스러운, 중후한 등으로 나타났으며, 레트로는 고전적인, 복고적인, 중후한, 오래된 등의 형용사 키워드로 중명도-저명도, 중채도-저채도의 색채를 연상시키는 가을의 색채 이미지가 연상되는 키워드가 많았다(Lee, 2020; Kim, 2021; Lee, 2022; Kim, 2023; Kwak, 2023). 이를 I.R.I. 단색 이미지 스케일을 기준으로 군집화 하였으며<Table 6> 군집화한 단색 이미지 스케일을 토대로 메이크업 이미지를 사계절로 분류하였다<Table 7>.
본 연구에서는 연구자 간 논의를 통해 봄은 로맨틱, 여름은 엘레강스, 가을은 고져스, 겨울은 모던으로 선정하여 프롬프트 구성에 활용하였다.
3) 헤어 컬러링
헤어 컬러링(Hair Coloring)은 모발 염색을 지칭하는 말을 뜻하며 본래의 모발에 화학적·물리적 작용을 통해 인위적인 색소를 넣거나 일반적으로 모발의 명도를 바꾸는 것으로, 미적 조화를 결정하거나 헤어 스타일에 입체감과 생명력을 주는 등의 표현으로 현대에서 개인의 이미지 연출에 중요한 역할을 하고 있다(Lee, 2022). 헤어 컬러를 선정할 때 퍼스널 컬러와 고객의 이미지를 조합하여 최종 컬러를 선정하는 것이 바람직하며, 헤어 컬러의 결과 색상은 모질의 정도 등 다양한 요인에 따라 발색 정도가 달라지며, 컬러링된 모발 색이 얼굴과 신체의 퍼스널 컬러에 적용됐을 때 이미지가 표현된다(Kong, 2021). 이에 컬러 이미지를 봄, 여름, 가을, 겨울로 분류하고 모든 사람의 퍼스널 컬러를 사계절 컬러로 분류하듯이 헤어 컬러 및 스타일도 계절에 해당하는 스타일이 있으므로 모발을 염색할 때 자신의 계절색에 맞는 염색 컬러를 선택하여 염색해야 모발 컬러와 피부 컬러가 조화를 이룬다(Lee, 2020). 선행연구에서는 봄 타입의 헤어 컬러는 라이트 브라운, 코랄 브라운, 오렌지 브라운, 금발, 골드 브라운, 카라멜 브라운 등으로 분류하였고, 여름 타입의 헤어 컬러는 애쉬 브라운, 로즈 브라운, 그레이 브라운, 다크 브라운, 블루 브라운, 핑크 브라운 등, 가을 타입은 매트 브라운, 쿠퍼 브라운, 레드 브라운, 골드 브라운 등으로 겨울 타입은 블랙, 딥와인, 마호가니, 블루블랙, 다크 브라운, 실버 브라운, 회갈색 등으로 제시하였다(Lee, 2020; Kong, 2021; Oh, 2022; Im, 2023; You, 2023; Kim, 2024)<Table 8>.
본 연구에서는 연구자 간 논의를 통해 봄은 라이트 브라운, 여름은 애쉬 브라운, 가을은 쿠퍼 브라운, 겨울은 블랙으로 선정하여 프롬프트를 구성하였다.
2. 사계절별 뷰티 스타일링의 AI모델 제작 결과
1) 봄 이미지 뷰티 스타일링 AI모델 제작 결과
봄 타입은 명도와 채도 모두 높은 고명도, 고채도의 톤(Tone)으로 귀엽고 밝으며 상큼한 이미지를 가지고 있으며, 어울리는 색은 노란 계열의 오렌지 브라운, 코랄 핑크 등이 있다(Moon, 2021). 본 연구에서 사용된 봄의 키워드로 얼굴형은 둥근형, 메이크업 이미지는 로맨틱, 헤어 컬러는 라이트 브라운으로 선정하였으며, 이를 각 프레임워크에 적용하였다.
모델 A를 살펴보면 봄의 이미지를 잘 나타내는 산호색 계열의 배경색에 고명도, 고채도의 색조를 사용하여 로맨틱 이미지의 메이크업으로 잘 표현되었고, 얼굴형의 경우 둥근형으로, 헤어 컬러는 라이트 브라운의 고채도 계열의 따뜻한 색조로 표현되었다. 또한, 제시하지 않은 분위기나 헤어의 길이, 컬의 유무가 추가적인 요소로 표현되었다<Table 9>. 모델 B를 살펴보면 모델 A와 유사하게 따뜻하고 채도 및 명도가 높은 계열을 사용한 로맨틱 이미지의 메이크업으로 잘 표현되었고, 얼굴형은 둥근형으로, 헤어 컬러는 라이트 브라운으로 표현되었다. 제시되지 않은 스타일링으로는 자연스러운 포니테일 헤어 스타일링으로 표현된 것을 확인할 수 있었다<Table 10>. 모델 A와 모델 B의 모델은 발랄하고 젊으며 생기있는 이미지로 봄의 이미지에 맞게 잘 표현되었다. Kim & Choi(2022)의 연구에서 둥근형에서 느껴지는 이미지가 본 연구의 이미지와 동일한 결과를 보였다. 또한, Im(2023)의 연구에서 봄 유형의 경우 메이크업 컬러를 고명도의 옐로우 베이스로 하는 피치 핑크로, 헤어 컬러는 라이트 톤에 가까운 브라운 컬러로 연출했을 때 로맨틱하고 귀여운 이미지가 상승하였음을 주장하였으며 본 연구의 이미지와 동일한 결과를 보였다.
2) 여름 이미지 뷰티 스타일링 AI모델 제작 결과
여름 타입은 명도가 높고, 채도가 낮은 고명도, 저채도의 톤으로 차가우면서도 부드러운 느낌을 겸비한 이지적인 분위기로 블루 계열, 파스텔 계열, 소프트 톤의 헤어 컬러가 잘 어울린다(Kong, 2021). 본 연구에서 사용된 여름의 키워드로 얼굴형은 역삼각형, 메이크업 이미지는 엘레강스, 헤어 컬러로는 애쉬 브라운으로 선정하였으며, 이를 각 프레임워크에 적용하였다.
모델 C를 살펴보면 여름의 이미지를 잘 나타내는 저채도의 엘레강스 이미지 메이크업으로 표현되었고, 얼굴형의 경우 역삼각형으로, 헤어 컬러는 애쉬 브라운으로 표현되었다. 또한, 제시하지 않은 분위기나 헤어의 길이, 컬의 유무가 추가적인 요소로 표현되었으며<Table 11>. 모델 D를 살펴보면 모델 C와 유사하게 엘레강스 이미지의 메이크업으로 잘 표현되었고, 얼굴형은 역삼각형, 헤어 컬러는 애쉬 브라운으로 표현되었다. 제시되지 않은 스타일링으로는 헤어의 길이가 다르게 표현되었으며, 굵은 컬이 표현된 것을 확인할 수 있었다<Table 12>. 모델 C와 모델 D의 모델은 지적이며 세련된 이미지로 여름의 이미지에 맞게 잘 표현되었다. Kim & Choi(2022)의 연구에서 역삼각형에서 느껴지는 이미지가 본 연구의 이미지와 동일한 결과를 보였다. 또한, Im(2023)의 연구에서 여름 유형의 경우 메이크업 컬러를 고명도, 저채도의 블루를 베이스로 하는 피치 오렌지 컬러로, 헤어 컬러는 그레이쉬 톤의 브라운 컬러로 연출했을 때 부드럽고 세련된 이미지가 상승하였음을 주장하였으며 본 연구의 이미지와 동일한 결과를 보였다.
3) 가을 이미지 뷰티 스타일링 AI모델 제작 결과
가을 타입은 명도와 채도 모두 낮은 저명도, 저채도의 탁한 톤으로 차분하고 성숙한 이미지를 가지고 있으며, 어울리는 컬러로 아이보리, 카멜, 골든 브라운, 올리브 그린 등이 있다(Moon, 2021). 본 연구에서 사용된 가을의 키워드로 얼굴형은 긴형, 메이크업 이미지는 고져스, 헤어 컬러는 쿠퍼 브라운으로 선정하였으며, 이를 각 프레임워크에 적용하였다.
모델 E를 살펴보면 가을의 이미지를 잘 나타내는 무채색 계열의 배경색에, 색채인 저명도, 저채도를 사용한 고져스 이미지의 메이크업으로 표현되었고, 얼굴형의 경우 긴 형으로, 헤어 컬러는 쿠퍼 브라운의 컬러로 잘 표현되었다. 또한, 제시하지 않은 분위기나 헤어의 길이, 컬의 유무가 추가적인 요소로 표현되었다<Table 13>. 모델 F를 살펴보면 모델 E와 유사하게 명도와 채도가 모두 낮은 고져스한 이미지의 메이크업으로 잘 표현되었고, 얼굴형은 긴 형으로 헤어 컬러 또한 쿠퍼 브라운으로 잘 표현되었다. 제시되지 않은 스타일링으로는 모델 E와 모델 F의 구도가 다르게 표현되었다<Table 14>. 모델 E와 모델 F의 모델은 성숙하고, 침착하며 어른스러운 이미지로 가을의 이미지에 맞게 잘 표현되었다. Kim & Choi(2022)의 연구에서 긴형에서 느껴지는 이미지가 본 연구의 이미지와 동일한 결과를 보였다. 또한, Im(2023)의 연구에서 가을 유형의 경우 메이크업 컬러를 중명도, 중채도의 옐로우 베이스로 하는 골드 베이지, 브라운 베이지로, 헤어 컬러는 브라운 컬러로 연출했을 때 성숙하고 원숙한 이미지가 상승하였음을 주장하였으며 본 연구의 이미지와 동일한 결과를 보였다.
4) 겨울 이미지 뷰티 스타일링 AI모델 제작 결과
겨울 타입은 저명도, 고채도 및 저채도의 톤으로 도시적이고 차가운 이미지를 가지고 있으며, 헤어 컬러는 다크 톤의 블랙, 메이크업 역시 블루를 베이스로 하는 비비드 톤의 메이크업으로 연출하면 조화로울 것이라고 하였다(Im, 2023). 본 연구에서 사용된 겨울의 키워드로 얼굴형은 각진형, 메이크업 이미지는 댄디, 헤어 컬러는 블랙으로 선정하였으며, 이를 각 프레임워크에 적용하였다.
모델 G를 살펴보면 겨울의 이미지를 잘 나타내는 색채인 저명도, 고채도의 색조를 사용하여 모던 이미지의 메이크업으로 잘 표현되었고, 얼굴형의 경우 각진형으로, 헤어 컬러는 블랙 컬러로 표현되었다. 또한, 제시하지 않은 분위기나 헤어의 길이, 컬의 유무가 추가적인 요소로 표현되었다<Table 15>. 모델 H를 살펴보면 모델 G와 유사하게 차갑고 명도가 낮고 채도가 높은 계열을 사용한 모던 이미지의 메이크업으로 잘 표현되었고, 얼굴형은 각진형으로, 헤어 컬러는 블랙으로 표현되었다. 제시되지 않은 스타일링으로는 자연스러운 웨이브에 중간 길이의 보브 헤어 스타일로 표현된 것을 확인할 수 있었다<Table 16>. 모델 G와 모델 H의 모델은 당당하고 차가운 이미지로 겨울의 이미지에 맞게 잘 표현되었다. Kim & Choi(2022)의 연구에서 각진형에서 느껴지는 이미지가 본 연구의 이미지와 동일한 결과를 보였다. 또한, Im(2023)의 연구에서 겨울 유형의 경우 메이크업 컬러를 저명도, 고채도의 레드 컬러로 포인트를 주고, 헤어 컬러는 블랙 컬러로 연출했을 때 당당하고 차가운 이미지가 상승하였음을 주장하였으며 본 연구의 이미지와 동일한 결과를 보였다.
사계절 AI모델 생성 시 각 계절별 두 모델의 스타일링을 위한 프롬프트는 동일한 키워드를 사용하였으며 프레임워크만 다르게 적용하였다.
3. 프롬프트 프레임워크 적용 AI 모델 생성 결과 전문가 분석
프롬프트 R-I-S-E 프레임워크와 R-T-F 프레임워크를 활용하여 생성한 AI 모델을 뷰티 관련 분야 전문가 3인(대학교수 2인과 퍼스널컬러 전문가 1인)에게 보여주고 각각의 이미지에 대하여 요구자가 원하는 바가 잘 적용되어 생성되었는지, 각 프레임워크별 AI모델 이미지가 얼마나 상이한지 분석을 의뢰하였다.
사계절 이미지 AI모델은 요구자가 원하는 바가 각 계절별로 잘 적용되었다는 의견이었으며, 각 프레임워크에 적용한 AI모델 이미지에는 약간의 차이는 있으나 큰 차이는 없다는 의견이 지배적이었다. 이는 R-I-S-E 프레임워크와 R-T-F 프레임워크가 역할(Role)기반으로 생성형 AI에게 특정한 페르소를 지정하고 그에 맞는 이미지를 도출한다는 점에서 요구자가 원하는 결과물로 생성하기 위한 목적이 동일하기 때문에 큰 차이가 나타나지 않았을 것이라고 사료된다<Table 17>.
V. 결 론
21세기의 뷰티는 실용 예술로서 헤어디자인, 메이크업 등에서 퍼스널 이미지에 맞는 표현이 중요하게 작용하며 퍼스널 컬러의 대중화가 이루어진 시기이기도 하다. 뷰티 소비자들은 퍼스널 컬러 진단을 통해 자신에게 잘 어울리는 색상이나 톤을 알고 전략적으로 사용하기를 원한다. 뷰티 분야 종사자는 고객 상담을 통해 보다 전문적으로 상담하기 위해 퍼스널 컬러 진단 후 최적의 뷰티 스타일을 제공하기도 하지만, 고객과의 의사소통에 있어 각 개인의 관점에 따른 오차 발생으로 정확하고 일관성 있는 상담 및 스타일링 제공이 어려울 수 있다. 이러한 문제를 해결하기 위해 인공지능을 활용한다면 의사소통의 간극을 좁혀줄 수 있을 것으로 사료 된다. 따라서 본 연구에서는 이미지 생성형 AI를 활용해 사계절 이미지에 따른 뷰티 스타일링 이미지를 시각화하는데 목적이 있으며, 이를 통해 고객 상담의 도구로 사용할 수 있는 가능성을 제시하는데 연구의 의의가 있다.
연구방법은 다음과 같다. 첫째, 메이크업 이미지, 헤어 컬러는 관련 선행 연구를 분석 및 고찰하여 퍼스널 컬러 사계절 이미지로 재구성하였으며, 얼굴형과 메이크업 이미지는 I.R.I. 형용사 이미지 스케일에 대입하여 군집화하고 사계절 이미지를 도출하였다. 둘째, Khizer Abbas의 Chat GPT 프롬프트 프레임워크 R-I-S-E와 R-T-F에 반영하여 프롬프트를 구성하였다. 셋째, 사계절별 이미지에 따른 뷰티 스타일의 각 특징과 요소를 프롬프트 프레임워크 형식에 맞게 DALL-E3에 프롬프트를 입력하고 사계절별 모델 이미지를 생성하였다. 이후 각 모델의 이미지를 사계절별 이미지에 따른 뷰티 스타일의 특징이 잘 표현되었는지 전문가 3인을 통해 분석하였다.
연구 결과는 다음과 같다. 첫째, Khizer Abbas의 Chat GPT 프롬프트 프레임워크를 적용하여 생성한 AI 모델 이미지와 적용하지 않고 생성한 AI 모델 이미지에서의 차이점이 있음을 확인하였다. 둘째. 오픈AI가 제공하는 이미지 생성형 AI DALL-E3는 사계절 컬러에 따른 뷰티 스타일을 시각화하는 데 있어 프롬프트 가이드인 프레임워크 R-I-S-E와 R-T-F는 요구자가 원하는 결과물을 잘 도출시킬 수 있음을 확인하였다. 셋째, Khizer Abbas의 Chat GPT 프롬프트 프레임워크 R-I-S-E와 R-T-F를 적용하여 생성한 AI 모델 이미지를 분석하였을 때 생성된 이미지의 차이가 다소 있긴하였으나 그 차이가 크지 않고 유사함을 알 수 있었다. 이는 동일한 역할 기반의 프레임워크라는 점에서 생성된 이미지의 차이가 크지 않은 것으로 사료된다.
본 연구의 한계점으로는 이미지 생성형 AI 제너레이터를 다양하게 적용하지 않고 DALL-E만을 사용하여 제너레이터별 결과물에 대한 비교 분석을 할 수 없었다는 점과 뷰티 스타일링 요소인 얼굴형, 메이크업 이미지, 헤어 컬러가 각 계절 별로 다양하게 적용할 수 있는데 지면의 한계상 각 부문별 한 개의 키워드만을 선정하여 제작하였다는 점이다. 또한, 실제 사람에게 작업한 결과물과 AI의 결과물을 비교 분석하지 못한 것이다.
따라서 후속 연구에서는 뷰티 스타일링의 요소인 얼굴형, 메이크업, 헤어에서의 각 사계절 이미지에 따른 색상의 기준과 스타일링 요소들의 키워드를 다양하게 제시하여 생성형 AI 프롬프트 작성할 필요가 있다. 이를 통해 다양한 이미지 생성형 AI 제너레이터를 활용한 결과물의 비교분석을 통하여 뷰티 분야에서 가장 적합한 제너레이터를 제시하고자 한다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
