역계획 관점의 개인화: 구조적 디노이징으로 잠재 디자인 의도를 학습하는 에이전트 기반 슬라이드 생성

슬라이드 생성은 페이지 단위의 정교한 레이아웃과 스타일 결정을 요구하며 기존 템플릿 기반 접근은 사용자의 잠재적 디자인 의도를 포착하지 못한 채 지나치게 단순한 결과를 낳았다. 이 논문은 페이지 수준의 개인화를 역계획 문제로 형식화해 사용자가 제공한 소수의 참조로부터 잠재 계획을 추론하는 방향을 제시했다. 구조적 디노이징이라는 검증 가능한 자기지도 목표를 통해 실제 렌더러를 경유하지 않고도 플래너와 크리틱을 효율적으로 학습할 수 있음을 보였다.

왜 중요한가

핵심 기여

페이지 수준 슬라이드 개인화(PSP)의 역계획 수학적 정식화

저자들은 사용자 지시와 소수의 참조 슬라이드로부터 페이지별 실행 가능한 계획(plan)을 잠재변수로 모델링하는 PSP 문제를 확률적 역계획으로 정식화했다. 이 정식화는 렌더링 가능성 p(s∗|z)와 플래너 제안 πθ(z|x, Dref)를 결합해 목표 우도를 최대화하려는 최적화 문제로 표현되었다. 동시에 블랙박스 실행기의 비미분성 때문에 직접 최적화가 불가능하다는 계산적 난점을 명확히 규정했다.

구조적 디노이징을 활용한 Spire 프레임워크 도입

Spire는 금슬라이드에 요소 수준의 구조적 교란을 가하고 교란 기록을 보존하여 복구 가능한 자기지도 신호를 생성한다. 이 신호를 공유해 크리틱은 교란을 검출해 서술적 피드백을 생성하고 플래너는 그 피드백을 받아 계획을 반복적으로 수정하는 방식으로 학습이 이루어졌다. 학습 과정은 DAPO 기반의 RL로 수행되어 판별 가능한 보상(Rvfy, Rpvm)을 최적화했다.

이론적 근거와 실험적 검증으로 최적화 안정성 및 성능 확보

논문은 구조적 디노이징 목표가 원래 PSP 목적의 그래디언트 근사치가 될 수 있음을 보이는 surrogate validity 정리를 제시했다. 또한 두 에이전트 분해가 실행기 유래 보상 노이즈를 제거해 정책 그래디언트 분산을 줄이는 이점을 수식으로 보였다. 실험에서는 Zenodo10k 기반 데이터와 OOD 평가에서 7B급 플래너·크리틱으로 구성된 Spire가 Judge 기반 품질 점수에서 유의미한 우위를 보였다.

핵심 아이디어 이해하기

슬라이드 개인화에서 핵심 난제는 사용자의 '잠재적 설계 의도(plan)'가 명시적으로 주어지지 않는 상황에서, 주어진 콘텐츠와 소수의 참조로부터 실행 가능한 세부 계획을 추론해야 한다는 점이다. 기존 방법은 템플릿을 그대로 적용하거나 길게 서술된 지시를 요구하므로 페이지 수준의 미세한 배치·계층·색상 선호를 포착하지 못한다. 이 문제를 역계획으로 보면 목표는 플래너가 제안한 계획이 블랙박스 실행기(E)를 통해 금슬라이드를 재현할 확률을 최대화하는 것이다.

원문 최적화가 불가능한 이유는 렌더링 우도 p(s∗|z)의 명시적 형태가 없고 실행기가 미분 불가능하다는 점이다. 이를 피하기 위해 Spire는 원본 슬라이드에 구조적 교란을 적용하고 그 교란의 역연산을 정답으로 보관하는 denoising surrogate를 만든다. 교란은 요소별로 위치, 크기, 색상 등 이산적 속성을 변경하므로 픽셀 단위 유사성보다 설계 오류를 더 정확히 반영한다.

이 surrogate 위에서 크리틱은 교란된 슬라이드와 참조를 입력받아 어떤 요소가 어떻게 잘못되었는지 판별하는 텍스트형 피드백을 학습하고 플래너는 그 피드백을 받아 계획을 생성하거나 기존 계획을 수정하는 방식으로 반복 개선한다. 판별 가능한 교란 기록을 보상 신호로 사용하면 크리틱의 출력은 검증 가능해지고 플래너는 블랙박스를 직접 경유하지 않고도 계획을 개선하는 방향으로 학습할 수 있다.

방법론

전체 접근은 플래너와 크리틱의 두 에이전트로 PSP 문제를 분해하는 것이다. 먼저 금슬라이드 s∗에 대해 요소 집합 {ei}의 속성을 독립적으로 무작위 교란하는 분포 qT(ei)(ai|ei)를 정의해 교란된 슬라이드 s̃와 교란 이력 Adiff를 얻는다. 이 삼중쌍(s̃, s∗, Adiff)이 자기지도 학습 신호가 된다. 크리틱은 (s̃, x, Dref)를 입력받아 교란을 기술하는 critique c를 샘플링하고, c는 Adiff와 대조되어 요소별 검증 보상 Rvfy를 얻는다.

플래너는 초기 제안 또는 수정 대상 플랜 z̃와 critique c를 입력으로 받아 새로운 계획 z를 생성한다. 플랜의 시각적 충실도는 VLM 판정자에게 (z, s∗, s̃)를 제시하여 어느 시각이 z에 더 충실한지를 묻는 방식으로 측정된다. 판정은 순서 바이어스 완화를 위해 두 번 수행되고 평균을 취해 Rpvm 보상을 산출한다. 크리틱 학습과 플래너 학습 모두 DAPO 기반 강화학습으로 최적화되며 형식 검증 조건(Rformat,c 및 Rformat,p)이 추가되어 출력 형식의 일관성을 확보한다.

구현 세부에서는 교란 공간을 세 가지 축(공간 레이아웃, 시각 계층, 스타일 일관성)으로 설계했고 각 요소 타입별로 별도의 교란 분포를 정의했다. 플래너와 크리틱의 기저 모델은 Qwen2.5-VL-7B-Instruct로 파인튜닝을 수행했고 학습 중 일부 오라클 역할은 고성능 VLM(GPT-5)을 이용해 교란을 계획 형태로 역변환하는 데 사용했다. 학습 후 실제 인퍼런스 단계에서는 플래너·크리틱이 블랙박스 실행기(GPT-o4-mini 기반 코드 실행기를 예로 듬)와 협업해 반복 생성·수정을 수행한다.

주요 결과

메인 평가에서는 Zenodo10k에서 샘플한 테스트 페이지와 SlideBench OOD 페이지에 대해 시각적 유사성(SSIM, CLIP)과 VLM 판정자 기반 품질 지표(신뢰성, 색상, 레이아웃, 미학)를 사용했다. 표에 따르면 테스트 페이지에서 Spire는 Sim_ssim=0.8134, Sim_clip=0.7018, 시각 평균 0.7576을 기록했고 VLM 판정자 평균 0.5415를 기록했다. OOD 평가에서는 시각 평균 0.6870과 판정자 평균 0.7333을 달성해 일반화 성능이 강함을 보였다.

비교 대상으로 AutoPresent, PPTAgent, Stable Diffusion 3.5, PSP(오프더쉘프 VLM) 등을 사용했고 Spire는 judge 기반 품질에서 전반적으로 우위를 점했다. 특히 템플릿 중심 방법(PPTAgent)은 참조의 구조적 정보가 손실될 때 신뢰성 점수가 크게 하락했고, 프롬프트 기반 단일 패스 방법(AutoPresent)은 상세 의도를 잡아내지 못해 성능이 낮았다.

제거 실험에서 파인튜닝을 하지 않은 경우 성능이 크게 떨어졌고 반복 수정 절차를 제거하면 시각·판정 점수 모두 낮아졌다. 또한 훈련된 7B급 Spire 크리틱으로 기존 PSP 시스템의 크리틱을 대체하면 모든 메트릭에서 개선이 일어나 크리틱의 목표 지향적 학습이 성능에 핵심적임이 확인되었다.

기술 상세

전체 아키텍처는 플래너 πθ와 크리틱 Cφ의 분리된 에이전트와 블랙박스 실행기 E로 구성된다. 플래너는 입력 x와 참조 Dref, 선택적으로 critique c와 suboptimal plan z̃를 받아 실행 가능한 계획 z를 샘플링한다. 크리틱은 s̃, x, Dref를 입력으로 critique c를 생성하고, 이 c는 요소별 교란 이력과 비교되어 Rvfy 보상을 얻는다.

교란 모델은 각 시각 요소 ei의 타입 T(ei)에 따라 독립적인 교란 분포 qT(ei)(ai|ei)를 적용해 액션 목록 A를 구성한다. 교란의 역연산 A_diff는 크리틱 검증의 정답 역할을 하며 플래너의 오라클 데이터 생성에도 사용된다. 플래너 보상 Rpvm은 VLM 판정자가 계획 z를 보았을 때 gold s∗과 perturbed s̃ 중 어떤 시각이 z에 충실한지를 판단해 부여하는 이진 판단의 평균으로 계산된다.

이론적으로는 Spire의 경험적 손실 ∇θĴSP가 원래 PSP 손실 ∇θJ에 대해 상수 배수와 오차항으로 연결되며(정리 2.1), 플래너·크리틱의 분해는 실행기 유래 그래디언트 노이즈를 제거해 분산을 낮춘다(정리 2.2). 학습은 DAPO 강화학습을 사용했고 포맷 검증 항목 Rformat,c와 Rformat,p를 추가해 산출물 형식의 일관성을 강제했다.

구현 세부에는 Qwen2.5-VL-7B-Instruct를 백본으로 한 파인튜닝, 학습 중 오라클로의 GPT-5 사용, 판독자 역할에 GPT-o4-mini·Claude Opus 4.5 활용, 실행 단계에서 python-pptx 기반 코드 실행을 통한 렌더링이 포함된다. 데이터는 Zenodo10k에서 무작위 추출한 200 데크를 슬라이드 수준으로 분리해 학습·테스트를 구성했다.

한계점

학습 절차는 참조 슬라이드가 존재해 문맥화된 취향 정보를 제공하는 상황을 전제로 하므로 참조가 부족한 사용 사례에서는 성능이 제한될 수 있다. 훈련과 평가에서 고성능 VLM 오라클(GPT-5 등)과 판정자(GPT-o4-mini, Claude Opus 4.5)에 의존해 그 품질이 낮아지면 보상 신호의 신뢰성이 떨어질 위험이 있다. 공개된 코드 저장소가 명시되어 있지 않아 본 논문 결과를 재현하려면 동일한 판정자·데이터·세부 구현을 확보해야 한다.

실무 활용

Spire는 참조 슬라이드가 존재하는 환경에서 페이지 수준의 사용자 취향을 추론해 다양한 렌더러와 협업 가능한 실행 계획을 생성할 수 있다. 파인튜닝된 플래너·크리틱이 블랙박스 실행기와 상호작용하는 파이프라인으로 통합되면 자동화된 개인화 슬라이드 작성 워크플로에 바로 통합 가능하다. 코드 공개가 없으므로 상용 도입 시 자체 판정자와 데이터로 재현해야 한다.

기업 브랜드 가이드라인을 반영해 내부 발표자별로 일관된 페이지 수준 디자인을 자동화하는 슬라이드 생성 파이프라인
학술·산업 컨퍼런스용 템플릿이 없는 다양한 레이아웃의 시각 자료를 참조 몇 장으로 빠르게 재현하는 디자인 어시스트 도구
사용자 인터랙션을 통해 반복 수정되는 프레젠테이션 제작에서 크리틱 기반 피드백을 실시간으로 적용해 품질을 향상하는 편집 도구

코드 공개 여부: 비공개

키워드

Page-level Slide Personalization(페이지 수준 슬라이드 개인화)structural denoising(구조적 디노이징)inverse planning(역계획)multi-agent(다중 에이전트)reinforcement learning(RL)

용어 해설

역계획(Inverse Planning): — 사용자의 최종 출력물과 소수의 참조 예시로부터 그 출력물을 만들어내는 암묵적 계획(plan, intent)을 확률적 잠재변수로 모델링해 해당 계획을 역으로 추론하는 문제로, 슬라이드 개인화에서는 페이지 수준의 세부 설계 의도를 학습하는 수단으로 사용된다.
구조적 디노이징(Structural Denoising): — 슬라이드의 픽셀 노이즈가 아니라 요소 수준의 속성(위치, 크기, 색상 등)을 의도적으로 교란한 뒤 원본 구조로 복구하는 자기지도 과제이며, 복구 가능한 변형을 기록해 판정 가능한 보상 신호를 제공하는 점에서 PSP 학습의 핵심 surrogate objective가 된다.
계획-시각 일치 보상(Plan–Visual Matching): — 계획(작업 지시)과 시각 출력(슬라이드 이미지)이 얼마나 잘 일치하는지를 판단하는 판별형 보상으로, VLM 판정자를 사용해 계획에 더 충실한 시각을 선택하면 보상을 부여하는 방식으로 플래너 학습에 활용된다.
다중 에이전트 구성(Multi-Agent Formulation): — 플래너와 크리틱을 분리된 에이전트로 학습시키는 구성으로, 실행기(executor)의 블랙박스성에서 유래하는 노이즈를 학습 단계에서 제거해 정책 그래디언트 분산을 줄이는 역할을 한다.
블랙박스 실행기(Black-box Executor): — 플랜을 받아 최종 시각 출력을 생성하는 도구로서 내부 미분 경로가 없고 다양한 구현(PowerPoint, 코드 기반 렌더러, 이미지 생성기 등)을 포함하므로 직접적으로 미분 가능한 목표로 삼기 어렵게 만드는 요소이다.

역계획 관점의 개인화: 구조적 디노이징으로 잠재 디자인 의도를 학습하는 에이전트 기반 슬라이드 생성

왜 중요한가

핵심 기여

핵심 아이디어 이해하기

방법론

주요 결과

기술 상세

한계점

실무 활용

키워드

용어 해설

관련 토론

댓글

관련 피드

왜 중요한가

핵심 기여

핵심 아이디어 이해하기

방법론

주요 결과

기술 상세

한계점

실무 활용

키워드

관련 토론

댓글

관련 피드