앵커노드·업스테이지, 게임 에셋 검수하는 AI 평가체계 공동 개발…연내 오픈소스 공개

생성형 AI가 게임 개발에 활용되면서 캐릭터와 배경, 아이콘 등 그래픽 에셋을 제작하는 방식에도 변화가 나타나고 있다. 그러나 AI가 생성한 이미지의 시각적 완성도와 실제 게임 엔진에서 사용할 수 있는지는 별개의 문제다. 게임 개발 현장에서는 이미지 크기와 기준점, 투명도, 엔진 설정 등 프로젝트별 제작 규격을 충족해야 하며, 이를 확인하는 검수 작업에도 상당한 시간과 인력이 투입된다. 게임 특화 생성형 AI 기업 앵커노드가 업스테이지와 함께 AI의 게임 에셋 규격 이해 및 검수 능력을 평가하는 벤치마크 개발에 나선다.

앵커노드(대표 원재호)는 생성형 AI 기업 업스테이지(대표 김성훈)와 게임 그래픽 에셋의 제작 규격을 이해하고 준수 여부를 판단하는 AI 모델의 능력을 평가하기 위한 ‘AI 게임 에셋 벤치마크’를 공동 개발한다. 양사는 게임 제작 현장에서 실제 사용하는 요구사항을 평가 문제와 채점 기준으로 구체화하고, 평가 문제와 정답 데이터, 채점기 등을 연내 오픈소스로 공개할 예정이다. 이번 협업은 서울경제진흥원(SBA)이 주관하는 ‘DIP-Spot 오픈이노베이션 in 동작’의 협업과제로 추진된다. 업스테이지가 수요기업으로 참여하고 앵커노드를 협업 파트너로 선정했으며, 양사는 게임 개발 현장의 전문 지식과 대규모 언어모델 기술을 결합해 AI 모델의 실무 적용 가능성을 검증하는 평가체계를 구축한다.

게임 그래픽 에셋은 캐릭터와 배경, 아이콘, 사용자 인터페이스(UI) 등 게임을 구성하는 시각적 요소를 의미한다. 생성형 AI를 활용하면 이러한 이미지를 빠르게 제작할 수 있지만, 실제 게임에 적용하려면 프로젝트마다 정해진 기술적 조건을 충족해야 한다. 이미지의 크기와 비율은 물론 캐릭터가 화면에 배치되는 기준점, 배경의 투명 처리, 게임 엔진에서 사용하는 설정값 등이 대표적이다.

예를 들어 캐릭터 이미지의 기준점이 잘못 설정되면 게임 화면에서 캐릭터가 바닥 위에 떠 있는 것처럼 표시될 수 있다. UI 요소의 크기나 위치가 규격과 맞지 않으면 화면 구성이 어긋나고, 투명 처리나 엔진 설정에 오류가 있을 경우 추가 수정 작업이 필요하다. 이미지 자체의 품질이 높더라도 실제 개발 환경에서는 사용할 수 없는 상황이 발생하는 것이다.

이러한 제작 규격은 게임 프로젝트마다 다르게 적용되며, 일부 기준은 명확한 문서보다 개발자의 경험이나 작업 관행에 의존하기도 한다. 앵커노드와 업스테이지는 이처럼 현장에 축적된 제작 지식을 AI가 이해할 수 있는 규칙으로 정리하고, 모델이 해당 규칙에 따라 에셋을 정확하게 검수할 수 있는지를 평가하는 데 초점을 맞췄다.

이미지 생성 능력 넘어 규격 이해·도구 활용·검수 정확도 평가

양사가 개발하는 벤치마크는 이미지의 미적 완성도를 평가하는 기존 접근 방식과 차별화된다. AI가 얼마나 보기 좋은 이미지를 생성하는지가 아니라, 주어진 제작 요구사항을 정확하게 이해하고 실제 에셋이 그 조건을 충족하는지 판단할 수 있는지를 측정한다.

평가 과정에서는 AI 모델이 먼저 제작 요구사항을 분석해 확인해야 할 항목을 파악한다. 이후 규격을 검증하는 데 필요한 측정 도구를 선택하고 호출해 이미지나 설정 파일을 확인한 뒤, 에셋의 규격 준수 여부를 판단하는 방식이다. 모델의 최종 판단은 사전에 정의된 규칙과 정답 데이터를 기준으로 채점하며, 서로 다른 AI 모델의 성능을 동일한 조건에서 비교할 수 있도록 설계한다.

앵커노드는 게임 제작 현장에서 축적한 전문 지식을 바탕으로 AI가 이해해야 할 제작 규격을 정의하고, 이를 평가 문제와 정답 데이터로 구성하는 역할을 맡는다. 업스테이지는 자체 개발한 Solar 언어모델과 API, AI 벤치마크 설계 경험을 제공해 평가체계 구축을 지원한다. 게임 제작 현장의 요구사항을 언어모델의 이해 능력과 도구 활용 능력을 검증하는 문제로 전환하는 것이 협업의 핵심이다.