한국의 글꼴 시장에서는 다양한 디자인을 갖춘 새로운 글꼴들이 지속적으로 개발되고 있어, 적절한 글꼴을 선택하는 것이 효과적인 정보 전달에 중요하다. 그러나 한국 글꼴의 구조적 특성을 체계적으로 정의하고 정량화하기 위한 표준화된 방법은 아직 마련되어 있지 않다. 그 결과 글꼴의 형태학적 특징을 정량적으로 분석하고, 이를 분류 또는 비교에 활용하는 데에는 어려움이 있었다. PANOSE는 글꼴의 시각적 특성을 정량화하여 구조화된 분류와 유사성 평가를 가능하게 하는 시스템이다. 이 시스템은 글꼴을 효과적으로 구성하고 비교할 수는 있으나, 주로 영문 스크립트를 위해 설계되었기 때문에 한국 글꼴의 고유한 타이포그래피적 특성을 충분히 반영하지 못한다. 본 연구는 이러한 한계를 해결하기 위해 한국 글꼴의 핵심 형태 요소를 정의하고, 이를 측정하기 위한 알고리즘 K-PANOSE(한국어 글꼴 PANOSE)를 개발하였다. 선행연구를 바탕으로 먼저 문자 구성, 획 두께, 비례적 균형과 같은 한국 글꼴의 주요 구조 속성을 설정하였다. 이후 이러한 속성을 정량적으로 평가하기 위한 알고리즘을 설계하였다. 마지막으로 K-PANOSE가 기존 PANOSE 시스템과 비교 가능한 수준에서 수행됨을 검증하여, 한국 글꼴을 효과적으로 분석하고 분류할 수 있음을 입증하였다. K-PANOSE는 단순한 글꼴 선택 도구가 아니라, 한국 글꼴의 구조적 특성을 정량화하고 체계적으로 분석하기 위한 새로운 표준을 제시한다. 이러한 발전은 글꼴 추천 시스템, 디지털 타이포그래피, AI 기반 디자인 자동화 등 더 광범위한 응용으로 이어져, 궁극적으로 한국 타이포그래피의 품질, 접근성 및 다양성에 기여할 것이다.

폰트는 어떠한 매체의 인식에 영향을 미치는 핵심 요소이다. 다양한 언어 집단에 걸쳐 일관되고 문화적으로 적절한 폰트를 선택하기 위해, 현재 다국어 폰트 매칭 시스템이 개발 중이다. 본 연구는 머신러닝과 컴퓨터 비전의 최신 발전을 활용하여 폰트의 특성을 심층적으로 이해하고 다국어 폰트 매칭의 정확도를 향상시키는 데 초점을 둔다. 이러한 매칭을 위해 폰트의 ‘획 요소’(stroke elements)를 활용하는 것이 중요하며, 선행 연구에서 한국어 폰트 간 유사성을 계산하는 방법이 성공적으로 개발된 것을 바탕으로 한다. 우리는 이 접근법을 영문 알파벳에 적용하여 구별되는 ‘획 요소’를 정의하고, 이들을 자동으로 추출하기 위한 딥러닝 모델을 개발하였다. 또한 본 획 요소 추출 모델의 성능을 평가하고, 추출 정확도를 더 향상시키기 위한 전략을 논의한다. 이러한 기반은 다국어 폰트 매칭의 토대를 제공하며, 영문 알파벳의 ‘획 요소’를 사용하여 유사한 폰트를 추천할 수 있게 한다.