K-POP 뮤직비디오의 이미지 유형화를 통한 시각적 특징 분석: 임베딩 벡터 추출(CLIP)과 유사도 검색(FAISS)을 통한 클러스터링 (Visual feature analysis through image typology of K-POP music videos: Clustering through embedding vector extraction (CLIP) and similarity search (FAISS))

서지정보

· 발행기관 : 서울대학교 언론정보연구소
· 수록지 정보 : 언론정보연구 / 62권 / 2호 / 53 ~ 115페이지
· 저자명 : 이문혁

초록

본 연구는 K-POP 뮤직비디오의 시각적 특성을 알아보았다. 이를 위해 K-POP 뮤직비디오를 구성하는 이미지들을 각 유형으로 분류하고 그렇게 분류된 이미지들의  분포와 특성을 전체과 성별, 그리고 시기로 구분하여 분석하였다. 연구는 컴퓨테이셔널 방법론을 활용하여 딥러닝 기반의 빅데이터 분석 기법을 적용하였다. 분석대상은 YouTube에서 ‘K-POP MV’로 검색된 K-POP 뮤직비디오 527건이었으며, 대상 뮤직비디오로부터 추출된 총 85,544장의 키프레임을 CLIP과 FAISS등 딥러닝 기반 모델과 알고리즘을 활용해서 총 13개의 이미지로 클러스터링 했다. 이렇게 분류된 이미지들을 분석한 결과, K-POP 뮤직비디오의 시각적 특성은 다음과 같이 나타났다. 먼저 아티스트의 외모를 강조하는 클로즈업과 버스트숏, 단체 안무인 군무를 묘사한 이미지들이 전체 이미지의 약 60% 이상을 차지했다. 성별로 구분해서 분석한 결과는 여성 뮤직비디오는 외모를, 남성 뮤직비디오는 군무의 비중이 상대적으로 높았다. 시기별 분석에서는 초기 외모와 군무 중심의 이미지가 90% 이상 차지하던 것에서 군무의 비중은 조금 감소하고, 외모를 강조하는 이미지들은 증가하는 경향이 관찰되었다. 위와 같은 연구 결과는 K-POP 뮤직비디오가 아티스트의 비주얼과 퍼포먼스를 핵심으로 하고 있다는 것을 빅데이터 분석을 통해 정량적으로 확인했다는데 의의를 찾을 수 있다. 또한, 본 연구에서 활용한 딥러닝 기반의 방법론은 다양한 장르의 영상 콘텐츠 연구에 적용 가능하다는 점에서 영상과 이미지 분석에 있어서 새로운 접근의 가능성을 열었다는 의미를 가진다.

영어초록

This study explores the visual characteristics of K-POP music videos by categorizing the constituent images into distinct types and analyzing their distribution across the entire dataset, as well as by gender and temporal shifts. The research utilizes computational methodologies, specifically employing deep learning-based big data analysis techniques. The dataset includes 527 K-POP music videos identified through Youtube searches using the keyword “K-POP MV”, from which a total of 85,544 keyframes were extracted. These keyframes were clustered into 13 categories using deep learning models and algorithms such as CLIP and FAISS. The analysis identified several prominent visual characteristics of K-POP music videos. Notably, images emphasizing the artists’ appearances, such as close-ups and bust shots, as well as depictions of group choreography, comprised over 60% of all visuals. A gender-based analysis revealed that female music videos predominantly focused on the artists’ physical appearance, whereas male music videos featured a higher proportion of group choreography. In the temporal analysis, early K-POP music videos were dominated by images focused on artists’ appearance and group performances, accounting for over 90% of the visuals. Over time, there has been a slight decline in choreography-focused images and an increase in appearance-oriented visuals. These findings underscore the emphasis on artists’ visuals and performances as core elements of K-POP music videos, providing quantitative validation of this characteristic through big data analysis. Moreover, the deep learning-based methodology employed in this study demonstrates the potential for application in analyzing visual content across a wide range of genres, suggesting a new approach to video and image analysis.

참고자료

· 없음