최신 텍스트-이미지 생성 모델은 시각적 충실도와 프롬프트 준수 능력이 뛰어나지만, 다양성이 부족해 이미지들이 단일한 해석으로 좁혀지는 경향이 있어요.
연구진은 사용자가 의미 있는 축을 따라 체계적으로 탐색하며 창의적인 탐색을 경험할 수 있도록, 이미지 갤러리를 구조적으로 탐색할 수 있는 Semantic Browsing 방법을 제시했어요.
텍스트-이미지 모델의 훈련 데이터에 포함된 풍부한 캡션을 활용해 장면의 의미적 결정을 픽셀 생성과 분리하는 방식으로 작동하며, VLM이 전체 장면 맥락을 이해하도록 했어요.
Semantic Browsing은 다양한 디자인 공간을 생성하며, 모든 변화가 특정하고 사용자가 이해할 수 있는 의미적 결정과 일치하도록 합니다.