Editable Visual Design: AI 이미지를 편집 가능한 디자인으로

들어가며

생성형 이미지 모델은 포스터, 인포그래픽, 홍보용 그래픽을 풍부한 스타일로 만들어낼 수 있다. 그러나 보기 좋은 이미지가 곧바로 제작 현장에서 사용할 수 있는 디자인 파일이 되는 것은 아니다. 확산 모델의 엔드투엔드 생성 결과는 대체로 하나의 비트맵으로 평탄화되기 때문에 개별 요소를 옮기거나 교체하기 어렵다. 이미지 안에 포함된 문자는 오류가 발생할 가능성도 있다.

반대로 HTML/CSS를 생성하는 코드 기반 방식은 레이아웃과 구조를 명확하게 제어할 수 있다. 하지만 코드만으로 복잡한 시각 자산을 만드는 일과 전체적인 미적 완성도를 판단하는 일에는 한계가 있다. 논문 ‘Editable Visual Design’은 두 접근법의 장점을 하나의 에이전트 워크플로로 결합한다.

핵심 내용

• 역할을 나눈다. 비전 언어 모델은 ‘창의적 두뇌’로서 요구사항을 해석하고 작업을 계획하며 결과의 미적 완성도를 판단한다. 이미지 생성 모델은 필요할 때 일러스트와 장식 같은 독립적인 시각 자산을 만든다.
• 먼저 상상하고 실행한다. 에이전트는 처음부터 완성 이미지를 한 번에 생성하지 않는다. 필요한 시각 요소를 먼저 구상한 뒤, 실제 텍스트와 레이아웃 규칙을 포함한 네이티브 HTML/CSS를 작성한다.
• 렌더링 결과로 반복 개선한다. 페이지를 렌더링한 후 구성, 계층, 전체적인 인상을 확인하고 코드와 자산 배치를 수정한다. 이 과정은 일회성 생성이 아니라 폐루프 제작에 가깝다.
• 편집 가능한 결과를 남긴다. 텍스트는 이미지에 구워 넣지 않고 실제 텍스트로 유지하며, 시각 요소도 분리된 레이어로 관리한다. 사용자는 그래픽 인터페이스에서 요소를 드래그하고 레이아웃을 조정할 수 있다.
• 디자인 과정을 재현한다. Agent Design Replay는 최종 결과뿐 아니라 전문 디자이너와 유사한 창작 및 추론의 진행 경로를 재현하는 것을 목표로 한다.

의미와 영향

이 접근법의 가장 큰 의미는 AI의 산출물을 ‘완성된 한 장의 이미지’에서 ‘계속 수정할 수 있는 디자인 문서’로 바꾸는 데 있다. 포스터와 인포그래픽에서는 초기의 시각적 완성도만큼 문자 정확성, 요소의 독립성, 수정 편의성도 중요하다. HTML/CSS는 구조를 제공하고, 이미지 모델은 코드만으로 표현하기 어려운 복잡한 시각 디테일을 보완하며, 비전 언어 모델은 두 요소를 조율한다.

또한 이 방식은 멀티모달 에이전트의 한 가지 발전 방향을 보여준다. 에이전트는 단일 결과를 내놓는 대신 여러 전문 도구를 호출하고, 렌더링 환경의 피드백을 확인하며, 단계적으로 결과를 개선할 수 있다. 다만 제공된 소재는 방법론과 포스터, 인포그래픽 등에서의 검증을 설명할 뿐 구체적인 성능 수치를 제시하지 않는다. 따라서 기존 디자인 소프트웨어를 이미 대체했다기보다, 제작 프로세스를 재구성하는 새로운 제안으로 보는 편이 정확하다.

출처: Hugging Face Daily Papers