형태와 여백: 자율 AI 에이전트를 통한 얽힘 구성
Form and Void: Entangled Composition through an Autonomous AI Agent
양화 공간(positive space)과 음화 공간(negative space)은 시각적 구성의 기본 원리로, 시각적으로 일관된 형태와 다층적인 의미적 관계를 뒷받침합니다. 이러한 구성을 생성하는 것은 공통 경계를 공유하는 두 가지 의미론적 개념을 조율하여 제어해야 하므로 매우 까다롭습니다. 최근 텍스트-이미지(text-to-image) 모델과 멀티모달 대규모 언어 모델(MLLM)이 이미지 생성 및 시각적 이해에서 뛰어난 성능을 달성했음에도 불구하고, 특히 직접적인 단일 패스(single-pass) 프롬프팅 환경에서는 양화-음화 공간 생성이 여전히 어렵습니다. 본 연구에서는 단계별 양화-음화 공간 생성을 위해 설계된 멀티모달 에이전트인 FaV-A(Form and Void Agent)를 제시합니다. FaV-A는 점진적인 워크플로를 따릅니다. 먼저 기본 객체를 생성한 다음, 해당 형상과 공간 구조를 분석하여 후보 음화 공간 의미를 식별하고, 마지막으로 최종 이미지 생성 단계를 위한 구성 지침을 생성합니다. 실험 결과와 절제 분석(ablation analysis)은 FaV-A가 직접적인 제로샷(zero-shot) MLLM 베이스라인보다 시각적으로 일관되고 의미론적으로 정렬된 양화-음화 공간 구성을 생성하는 데 더 효과적인 프레임워크를 제공함을 보여줍니다.