GenRouter: 에이전틱 이미지 생성을 위한 통합 워크플로우 라우팅

초록

텍스트-이미지(T2I) 생성 모델의 빠른 발전은 원시 픽셀 합성이라는 근본적 과제를 효과적으로 해결함으로써, 연구 커뮤니티의 관심을 점점 더 정교해지는 사용자 요청을 충족하는 방향으로 전환시켰다. 최근의 에이전트 기반 이미지 생성 워크플로우는 외부 지식 검색 및 반복적 추론과 같은 고급 기능을 통해 정적 추론을 강화하지만, 대부분 고정된 "만능(one-size-fits-all)" 토폴로지를 가진 분리된 실로(silo) 환경에서 작동한다. 이는 필연적으로 심각한 연산 불일치(compute-mismatch)를 초래하며, 단순한 쿼리도 계산량이 많은 파이프라인을 강제로 통과하게 된다. 이러한 격차를 해소하기 위해, 우리는 에이전트 기반 이미지 생성을 위한 최초의 통합 워크플로우 라우팅 프레임워크인 GenRouter를 제시한다. 먼저, 다양한 에이전트 파이프라인을 보편적인 기본 프리미티브(foundational primitives)와 실행 가능한 템플릿 집합으로 표준화하는 GenCanvas를 정식화한다. 이 통합 공간에서 작동하는 GenRouter는 (i) 수요 프로파일링, (ii) 경험 매칭, (iii) 파레토 필터링을 통해 이질적인 프롬프트를 최적의 워크플로우에 적응형으로 라우팅한다. 다양한 벤치마크에 걸친 광범위한 실험을 통해 GenRouter는 우수한 시각적 정합성을 달성하면서도, 대규모 정적 파이프라인 대비 실행 비용을 95% 이상, 지연 시간을 65% 감소시킴을 입증한다. 더 나아가, 이 시스템은 축적된 경험을 통해 지속적으로 자기 진화함으로써, 성능을 향상시키고 계산 오버헤드를 절반으로 줄이는 강력한 제로샷 일반화를 가능하게 한다.

English

The rapid evolution of text-to-image (T2I) generation models has effectively solved the foundational challenge of raw pixel synthesis, shifting the community's focus toward fulfilling increasingly intricate user requests. While recent agentic image generation workflows enhance static inference with advanced capabilities like external knowledge retrieval and iterative reasoning, they mostly operate in isolated silos with fixed ``one-size-fits-all" topologies. This inevitably leads to severe compute-mismatch, where simple queries are forced through computationally heavy pipelines. To bridge this gap, we present GenRouter, the first unified workflow routing framework for agentic image generation. We first formulate GenCanvas, standardizing diverse agentic pipelines into a universal set of foundational primitives and executable templates. Operating over this unified space, GenRouter adaptively routes heterogeneous prompts to their optimal workflows via (i) demand profiling, (ii) experience matching, and (iii) Pareto filtering. Extensive experiments across diverse benchmarks demonstrate that GenRouter achieves superior visual alignment while reducing execution costs by over 95% and latency by 65% compared to heavyweight static pipelines. Furthermore, the system continuously self-evolves via accumulated experience, enabling robust zero-shot generalization that boosts performance and halves computational overhead.