Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
자연어 설명을 기반으로 Unreal Engine 5의 Niagara 시스템에서 파티클 효과를 생성하는 멀티 에이전트 프레임워크를 제안합니다. 계획과 파라미터화가 분리된 파이프라인을 통해 텍pts를 실행 가능한 절차적 로직으로 변환하고 시각적 피드백을 통해 반복 개선합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.GR (Graphics)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기파티클 시스템 (Particle systems)은 역동적인 장면 요소와 시각 효과를 만들기 위해 디지털 엔터테인먼트 분야에서 널리 사용됩니다. 그러나 고품질의 파티클 효과를 제작하는 것은 여전히 노동 집약적이며 전문적인 지식을 요구하며, 작업자가 복잡한 절차적 규칙 (procedural rules)과 고차원적인 파라미터 공간 (parameter spaces)을 탐색해야 합니다. 최근의 대규모 언어 모델 (LLMs)은 사용자가 자연어를 통해 파티클 효과를 지정할 수 있게 해주었지만, 상위 수준의 창의적 의도를 실행 가능한 절차적 로직 (procedural logic) 및 하위 수준의 파라미터 (low-level parameters)로 안정적으로 번역하는 것은 여전히 어려운 과제로 남아 있습니다. 본 연구에서는 자연어 설명을 바탕으로 구조화되고 편집 가능한 파티클 시스템을 처음부터 합성하는 멀티 에이전트 프레임워크 (multi-agent framework)를 제시합니다. 텍스트 프롬프트가 주어지면, 우리의 프레임워크는 먼저 분리된 계획 및 파라미터화 파이프라인 (decoupled planning and parameterization pipeline)을 통해 초기 파티클 구성을 생성한 다음, 렌더링된 피드백 (rendered feedback)을 기반으로 결과를 반복적으로 개선합니다. 정밀하고 목표 지향적인 조정을 지원하기 위해, 우리는 관찰된 시각적 아티팩트 (visual artifacts)를 그 근저에 있는 절차적 원인과 연결하는 진단 메커니즘 (diagnostic mechanism)을 추가로 도입합니다. 우리는 원소 마법 (elemental spells), 역동적인 자연 현상, 불꽃놀이를 포함한 다양한 시나리오에 걸쳐 Unreal Engine 5의 Niagara 시스템에서 우리의 접근 방식을 검증합니다. 정량적 및 정성적 평가 결과, 우리의 방법은 높은 의미론적 충실도 (semantic fidelity)와 시각적 품질을 달성함을 보여줍니다. 구조화된 파티클 시뮬레이션 로직 (particle simulation logic)을 직접 합성함으로써, 우리의 프레임워크는 파티클 효과 제작에 대한 기술적 장벽을 낮추고 창의적 반복 (creative iteration)의 효율성을 향상시킵니다.