별이 빛나는 밤 너머: 아티스트 기반 텍스트-이미지 생성을 위한 숏컷 인지 제어 상태 계획

초록

작가 기반(artist-grounded) 이미지 생성은 프롬프트에 작가 이름을 추가하는 것 이상을 요구한다. 이미지 모델은 사용자가 의도한 장면을 보존하기보다, 반복적인 모티프, 전형적인 팔레트, 과대표현된 시대적 특징과 같은 정형화된 숏컷(shortcut)을 통해 작가 이름에 반응하는 경우가 많다. 우리는 작가 기반 이미지 생성을 위한 숏컷 인지 제어 상태 계획 프레임워크인 Atelier를 제안한다. Atelier는 충분히 명시되지 않은 예술적 의도를 장면 앵커, 보존/변환 결정, 스타일 레짐 가설, 역할 기반 작가 증거, 숏컷 회피 제약으로 분리된 명시적 제어 상태로 변환한다. 이 프레임워크는 작가 수준의 지식과 로컬 패치 참조를 통해 이러한 상태를 근거화하고, 백엔드를 고려한 생성 계획을 컴파일하며, 전역적 및 지역적 정확성 피드백을 통해 후보를 반복적으로 정제한다. 또한 우리는 반 고흐와 치바이스를 대상으로 작품 리렌더링, 시대/스타일 제어 생성, 역사적 전례가 없는 주제, 숏컷 감사, 인간 선호도 평가를 포괄하는 벤치마크인 ArtIntentBench를 도입한다. 오픈 가중치 및 클로즈드 소스 생성기 전반에서 Atelier는 프롬프트 엔지니어링, 검색 증강, 범용 에이전트 베이스라인에 비해 작가 수준의 스타일 충실도를 개선하고, 소스 구조를 더 충실히 보존하며, 숏컷 대체를 실질적으로 감소시킨다. 이러한 결과는 작가 기반 생성의 병목이 이미지 합성 자체가 아니라, 명시적이고 증거에 근거한 예술적 제어에 대한 업스트림 추론에 있음을 시사한다.

English

Artist-grounded image generation requires more than appending an artist name to a prompt. Image models often respond to artist names through canonical shortcuts, such as recurring motifs, generic palettes, or overrepresented period signatures, rather than preserving the user's intended scene. We introduce Atelier, a shortcut-aware control-state planning framework for artist-grounded image generation. Atelier translates underspecified artistic intent into an explicit control state that separates scene anchors, preserve/transform decisions, style-regime hypotheses, role-bound artist evidence, and shortcut-avoidance constraints. It grounds this state using artist-level knowledge and local patch references, compiles backend-aware generation plans, and iteratively refines candidates through global and local authenticity feedback. We further introduce ArtIntentBench, a benchmark covering Van Gogh and Qi Baishi across artwork re-rendering, period/style-controlled generation, historically unseen subjects, shortcut auditing, and human preference evaluation. Across open-weight and closed-source generators, Atelier improves artist-level style fidelity, preserves source structure more faithfully, and substantially reduces shortcut substitution compared with prompt-engineered, retrieval-augmented, and general-purpose agent baselines. These results suggest that artist-grounded generation is bottlenecked not only by image synthesis, but by the upstream inference of explicit, evidence-grounded artistic controls.