LLM 기반 트레이딩 카드 생성에서 절차적 관련성으로: 포켓몬 사례 연구

트레이딩 카드 게임 (TCG) 의 등장을 계기로 이 장르는 전 세계 수백만 명의 아날로그 및 디지털 플레이어를 끌어모은 수십억 달러 규모의 산업으로 성장했습니다. 인기 있는 TCG 는 지속적인 관심 유지를 위해 정기적인 업데이트, 밸런스 조정, 그리고 회전하는 제약 조건에 의존합니다. 그러나 메타게임 (metagame) 이 안정화되면 예측 가능한 전략이 지배하고 유효한 카드 옵션이 줄어들어 종종 반복적이고 손상된 플레이어 경험을 초래합니다. 본 논문은 이러한 과제를 해결하기 위해 트레이딩 카드의 절차적 콘텐츠 생성 (Procedural Content Generation) 에 대규모 언어 모델 (LLM) 과 이미지 확산 모델 (Image Diffusion Models) 을 사용하는 것을 조사합니다. 이를 통해 개인화된 무한한 카드 디자인을 가능하게 합니다. 현대 생성형 AI 는 대규모 콘텐츠 제작을 가능할 뿐만 아니라, 플레이어와 그들의 카드 사이의 고유한 연결을 조성하는 절차적 관련성 (procedural relatedness) 을 도입할 수도 있습니다. 우리는 플레이어 중심의 공동 창작 (player-centric co-creation), 미세 조정된 임베딩 (fine-tuned embeddings), 로컬 LLM, 그리고 확산 모델을 결합한 파이프라인을 제시하여 동적이고 개인화된 카드를 생성하면서 창의적 범위를 확장할 수 있는 잠재력을 보여줍니다. 우리는 49 명의 참가자가 포켓몬 카드 샘플 196 개를 생성하는 사용자 연구에서 이 파이프라인을 평가했습니다. 참가자들은 시각 및 메커니즘의 미적 가치와 대표성을 평가하고 정성적인 피드백을 제공했습니다. 결과는 높은 만족도를 보여주며, 대부분의 참가자가 프롬프트 조정을 통해 자신의 아이디어를 성공적으로 실현했음을 시사합니다. 이러한 발견들은 미래 콘텐츠 생성 시스템과 절차적 관련성을 통한 기존 메타게임 진화의 대안을 위한 기초를 마련합니다.