DOGS: 프롬프트 기반 로고 생성을 위한 디자인 공간 샘플링
DOGS: Design-Space Sampling for Prompt-Driven Logo Generation
텍스트-투-이미지(T2I) 생성을 위한 프롬프트(prompt) 최적화는 주로 짧은 사용자 요구 사항을 모델(model)이 선호하는 더 긴 토큰(token) 시퀀스로 확장하는 텍스트 재작성 방식으로 연구되어 왔다. 본 논문에서는 한 줄짜리 요구 사항만으로는 대부분의 디자인 결정 사항이 명시되지 않는 로고 제작과 같은 구조화된 시각적 디자인 작업에 이러한 언어 공간 기반 정식화가 적합하지 않다고 주장한다. 이러한 결정들은 선형적 시퀀스로는 인코딩할 수 없는 관계적 사전 지식에 의존하며, 보호받는 상표가 무단 복제될 수 있는 통제되지 않은 경로를 남긴다. 따라서 본 연구에서는 로고 프롬프팅을 구조화된 디자인 공간 내에서의 샘플링으로 재구성하고, 이를 DOGS(독창성 인식 GFlowNet 샘플러 기반 디자인 공간 프롬프팅)로 구체화한다. 실제 로고로 구성된 대규모 말뭉치로부터 경험적 동시 발생 관계를 엣지로 기록하는 타입화된 그래프 구조의 디자인 문법을 추출한다. 이어 GFlowNet 샘플러는 인지성, 심미성, 그리고 말뭉치 상대적 독창성을 결합한 최종 보상(reward)에 비례하는 확률로 디자인 그래프를 생성한다. 모든 슬롯은 폐쇄된 디자인 수준 어휘만을 사용하며, 침해를 유발하거나 유해한 토큰은 파싱 과정에서 제거된다. 독창성 보상은 기존 로고와의 유사도에 추가적인 페널티를 부여함으로써, 설계 자체로 상표권 침해 방지 기능을 결합한다. 두 개의 오픈소스 렌더러와 9개의 베이스라인을 대상으로 한 평가에서, DOGS는 더 우수한 인지성과 심미성을 지니며 훨씬 더 다양하고 상표권 침해 가능성이 극히 낮은 로고를 생성함을 입증한다.