비정형 한글 서체는 글자마다 획의 굵기나 곡선, 연결 방식 등이 달라지는 조형적 변동성으로 인해 인공지능 학습에 한계를 보인다. 한글은 음절 문자 체계 특성상 조합 가능한 형태의 수가 많아 인공지능 학습에 의한 서체 확장이 어려운데, 비정형 한글 서체의 경우 한글 체계의 복잡성에 조형적 불규칙성까지 더해져 예측이 더 어려워진다. 본 연구에서는 이러한 한계를 극복하기 위해 VQGAN 기반의 서체 생성 모델인 VQ-Font를 활용하여 학습-생성-정제의 3단계 자동화 파이프라인을 설계하였다. 먼저 비정형 서체의 소수 샘플 18자를 제작하고, 문장형, 단어형, 무작위형의 세 가지 참조 글자 세트(각 10자)를 구성하여 모델을 파인튜닝한 뒤 한글 서체의 완성형인 11,172자를 자동 생성하였다. 생성한 글자들은 픽셀 노이즈 제거와 획 두께 보정 등의 후처리 알고리즘을 통해 정제하여 최종 폰트 파일로 완성하였다. 생성 서체의 품질 평가는 SSIM, LPIPS 등의 픽셀 유사도 지표와 중심축 위치 편차, 획 두께 변동 계수, 자소 간격 표준편차 등의 구조적 지표를 활용한 과정 중심 정량 평가로 수행하였으며, OCR 문자 인식률 등을 통해 출력 서체의 실용성도 검증하였다. 실험 결과, 문장형이 가장 빠른 수렴 속도와 높은 스타일 일관성을 보였고, 무작위형은 다양한 조형을 확보하는 대신 초기 출력의 오류율이 높았다. 단어형은 수렴 속도와 출력 안정성에서 두 유형의 중간 정도의 특성을 보였다. 이처럼 본 연구는 비정형 서체도 최소한의 샘플로 자기 수렴을 통한 서체적 일관성을 가질 수 있음을 실험적으로 입증하여, 서체 디자인의 도구로서 생성형 인공지능의 활용 가능성을 밝혔다.
Hong et al. (Sat,) studied this question.