Predicting Museum Visitors’ Artwork Preference through Deep Learning

Abstract

연구배경 미술관은 방문하는 관람객들을 위한 매력적인 전시를 디자인하기 위해 노력한다. 이를 위해, 관람객들을 이해하기 위한 관람객 조사의 중요성이 높아지고 있으며, 해당 분야는 ICT(Information communication technology) 기술을 이용해 관람객들의 관람 경험을 정량적으로 평가하는 방향으로 점점 발전하고 있다. 그러나, 한정된 미술관의 자원과 시간으로 인해 다양하고 풍부한 관람 데이터를 수집하기 위한 관람객 조사는 여전히 실제 미술관에서 실행되기 어려운 측면을 보인다. 이러한 맥락에서, 관람객들의 예술작품 선호도를 분석하기 위해 유의미한 관람 데이터의 종류를 파악하는 것은 미술관의 효과적인 관람객 조사를 위해 필요하다. 따라서 본 연구는, 실제 미술관에서 수집한 다양한 종류의 관람 데이터를 모든 조합으로 분석하여 관람객들의 예술작품 선호도를 예측하는 모델을 개발 및 연구하였다.

연구방법 문헌조사를 통해 관람객 조사에서 활용되는 관람 데이터의 유형을 파악하였으며, 관람객 데이터를 수집하는 상황을 세 가지로 설정하였다. 대전에 위치한 이응노미술관에서 관람객들의 모든 깊이에 대한 관람 데이터들을 1,061건 수집하였으며, 딥러닝 기법을 이용하여 수집된 관람 데이터가 관람객들의 전시 만족도 및 예술작품 선호도를 예측하는 모델을 개발하였다. 수집된 데이터와 딥러닝 모델을 이용, 데이터셋의 조합에 대해 선호도를 예측하는 정확도를 계산하였다. 이 결과를 바탕으로, 가장 예측 정확도가 높은 모델을 도출하였고, 수집 상황에 따른 차이를 살펴보았다.

연구결과 본 연구는 총 1,023개의 모델링 과정을 수행하여 모든 데이터셋의 조합 결과를 도출하였다. 그 결과, 최적 모델은 평균 예측 정확도 82.1%로, 6종의 관람 데이터(‘성별’, ‘전시 관람 시간’, ‘전시물 감상 시간’, ‘전시물 감상 순서’, ‘유지력’)를 분석에 활용하였을 때였다. 또한, 관람객 데이터 수집 상황을 살펴본 결과, 첫 번째 상황은 평균 63.7%(요소셋: ‘추상/구상’, ‘작품 크기’), 두 번째 상황은 평균 75.4%(요소셋: ‘전시 관람 시간’, ‘전시물 감상 시간’, ‘유지력’, ‘전시물 방문 횟수’), 그리고 마지막 세 번째 상황은 최적의 모델 결과와 동일하였다.

결론 본 연구는 기존 관람객 조사 분야에서 활용되어온 관람객 경험 데이터를 정의하고, 이를 딥러닝 기법을 적용한 예측 모델을 연구하였다. 또한, 관람객 조사에서 수집하는 데이터 요소에 따라 관람객들의 예술작품 선호도 예측 정확도가 어떻게 달라지는지를 확인하였다. 또한, 미술관 관계자가 본 연구에서 제안한 DNN 모델을 관람객 조사 및 전시 디자인의 두 가지 측면에서 활용하는 방안을 제언하였다. 추후 보다 다양한 예술작품에 대한 관람 데이터를 적용하여 모델이 고도화되면, 미술관은 관람객 조사를 효율적으로 수행할 수 있으며, 관람객 만족도가 높은 전시 기획을 하는 데에 본 연구가 기여할 수 있을 것이다.