이미지 크게보기 그래픽=김선우 기자

■ ‘영화의 性편향성’ 첫 정량 입증한 이미지 인식기술

카이스트 문화기술대학원서
2017, 2018년 40편 분석

감정적 다양성 지표 분석 결과
女캐릭터 슬픔·놀람 주로 표현
男캐릭터는 분노·싫음 드러내

女배역나이 20%가량 어리고
등장시간은 男의 절반에 그쳐

영화에 나오는 여자 배우가 남자 배우에 비해 공포·놀람 등 수동적 감정은 더 자주 표현하고 지적 이미지는 약하게 묘사되는 것으로 나타났다. 특히 한국 영화에서 여성 캐릭터는 남성 캐릭터의 나이보다 20%가량 어리고, 시간적으로도 남성의 절반 분량만 등장하는 것으로 나타났다. 이 같은 성별 편향성의 존재 가능성은 막연히 짐작만 했으나 컴퓨터 얼굴·사물 인식 기술의 과학적 분석으로 편견이 확인되기는 처음이다.

카이스트 문화기술대학원 이병주 교수 연구팀은 컴퓨터 비전 기술을 통해 상업 영화에서 남성과 여성 성별 간 캐릭터 묘사의 편향성을 정량적으로 분석하는 데 성공했다. 장지윤·이상윤 석사과정 학생들이 주도한 이번 연구 결과는 소셜 컴퓨팅 분야의 최고권위 ‘컴퓨터 기반 협업 및 소셜 컴퓨팅 학회(CSCW)’지 11월 11일 자로 발표될 예정이다.

연구팀은 8가지 지표 분석을 통해 대부분의 영화가 여성을 편향적으로 묘사하고 있음을 밝혀냈다. 감정적 다양성에서 여성 캐릭터는 남성 캐릭터에 비해 더 획일화되고 단조로운 감정표현을 보였다. 특히 여성 캐릭터는 슬픔·공포·놀람 등의 수동적 감정을 더 표현하는 반면, 남성 캐릭터는 분노·싫음 등의 능동적 감정을 더 표현했다. 주변 물체의 빈도와 종류 지표에서는 여성 캐릭터가 자동차와 함께 나오는 비율은 남성 캐릭터 대비 55.7%밖에 되지 않았던 반면, 가구와 함께 나오는 비율은 123.9%를 보였다. 여성 캐릭터의 시간적 점유율은 남성 캐릭터 대비 56%로 낮았으며, 평균 연령도 남성 캐릭터 대비 79.1%로 어리게 나왔다. 특히 이 두 지표는 우리나라 영화에서 두드러지게 관찰됐다.

연구팀은 영화의 시간적·시각적 특성을 반영해 성별 묘사의 편향성을 측정하기 위해 2017, 2018년 개봉한 할리우드 영화와 우리나라 영화 40편을 대상으로 이미지 분석 시스템을 가동했다. 우선 24프레임 영화를 3프레임으로 다운 샘플링한 뒤, 마이크로소프트의 얼굴 인식 소프트웨어(Face API)로 영화 캐릭터의 성별·감정·나이·위치 등을 확인했다. 그리고 실시간 사물 감지 기술(YOLO 9000)로 영화 캐릭터와 함께 등장한 9000여 종류의 사물과 그 위치를 파악했다. 이병주 교수는 “우리나라에선 1인당 연평균 영화관람 횟수가 4.25회에 이를 정도로 많은 사람이 즐겨본다”며 “영화 내 묘사가 대중의 잠재의식에 미치는 영향에 관한 연구가 보다 활발하게 진행되고, 이를 바탕으로 영화는 더욱 신중하게 제작돼야 한다”고 말했다.

최근 영화가 다루는 소재와 연출 방식이 대중의 성 의식에 어떤 영향을 미치는지 활발하게 연구되고 있다. 할리우드 영화는 이를 반영해 과거보다 훨씬 다양한 젠더와 인종을 등장시키는 등 제작에 반영하고 있으나 우리나라는 관련 연구가 부족한 상황이다. 그동안 영화에서 여성 캐릭터의 성별 묘사 편향성을 분석하는 데 벡델 테스트가 주로 사용됐다. 영화 대사(스크립트)에서 △이름을 가진 여성 캐릭터가 2명 이상 등장 △그 여성들이 서로 대화를 나누고 △여성 캐릭터들의 대화 주제가 남성 캐릭터와 관련이 없어야 한다는 조건을 갖추어야 통과시키는 기준이다. 그러나 영화 장르의 특징인 시각적 묘사를 고려할 수 없고 여성 캐릭터 혼자 극을 이끄는 영화에 적용이 어렵다는 단점이 있었다. 또 평가자가 영화를 보고 주관적으로 판단하기 때문에 오류 발생 가능성이 있다는 지적을 받았다.


■ 용어설명
성별 묘사 편향성 지표

감정적 다양성 : 캐릭터가 표현한 감정의 엔트로피로서 다양한 감정을 연기했을 때 높은 값
공간적 역동성 : 캐릭터의 움직임이 갖는 역동성의 정도
공간적 점유 정도 : 프레임별 캐릭터의 얼굴 면적이 화면을 차지하는 비율
시간적 점유 정도 : 총 시간 중 특정 성별의 캐릭터가 등장하는 시간의 비율
평균 연령 : 각 프레임에서 인식된 캐릭터 얼굴의 외관 나이 평균
지적 이미지 : 특정 성별 캐릭터들이 안경을 착용한 것으로 인식되는 비율
외양 강조 정도 : 특정 성별 캐릭터 얼굴의 노출 밝기 정도
주변 물체의 빈도와 종류 : 캐릭터와 함께 화면에 나온 물체의 종류 및 빈도

노성열 기자 nosr@munhwa.com