VectorPainter : 스타일 참조 기반 텍스트-벡터 그래픽 생성

 

최근 벡터 그래픽 생성 기술이 디지털 디자인 분야에서 큰 주목을 받고 있습니다. 특히 스케일러블 벡터 그래픽(SVG)은 크기 변경 시 품질 저하가 없고, 그래픽 애플리케이션과 높은 호환성을 보이는 장점으로 인해 여러 분야에서 활용도가 높아지고 있습니다. 기존의 텍스트-이미지 변환 기술을 벡터 그래픽에 적용하려는 연구가 이루어졌지만, 텍스트만으로는 스타일 제어에 한계가 있었습니다.

 

VectorPainter는 텍스트와 스타일 참조 이미지를 활용하여 벡터 그래픽을 생성하는 혁신적인 프레임워크입니다. 이 시스템은 예술가의 특징적인 '획(stroke)' 스타일을 분석하고 이를 벡터 그래픽 생성 과정에서 재조합하여, 텍스트와 스타일을 동시에 만족시키는 고품질의 SVG를 제공합니다.

 

그림 : VectorPainter를 이용해 생성한 예시

---

기존 이미지 벡터화 방식의 제약사항 

텍스트 기반 SVG 생성은 스타일을 정교하게 제어하기 어렵습니다. 기존 방식은 주로 비트맵 기반 이미지 변환을 사용하여 벡터화하지만, 이는 변환 과정에서 세부 정보가 손실될 가능성이 크죠. 물론 참조할 수 있는 이미지를 활용하는 방법도 존재하지만, 이미지를 픽셀 단위로 비교해서 손실(loss)를 계산하는 방식이 벡터 그래픽의 기본 요소인 선, 곡선, 도형 같은 구조적 요소를 효과적으로 최적화하는데 한계가 있었습니다. 즉, 픽셀 단위의 비교는 그림의 전체적인 스타일이나 구조를 정확하게 조정하는 데는 적합하지 않다고 할 수 있죠.

 

VectorPainter의 접근 방식

VectorPainter는 다음과 같은 방식으로 위의 문제를 해결하고 있습니다. 

• 획 스타일 추출(Stroke Style Extraction) : 스타일 참조 이미지에서 각 획을 벡터화하여 그래픽의 기본 요소로 사용합니다.
• SVG 최적화 기반 생성 : 추출된 획을 초기화에 활용하고, 최적화 과정을 통해 텍스트 및 스타일 요구 사항을 만족시킵니다.
• 스타일 보존 손실 함수 : 생성 과정에서 스타일 변형을 최소화하도록 설계된 새로운 손실 함수를 도입합니다.

그림 : VectorPainter의 전체 파이프라인

 

위 그림은 VectorPainter의 주요 작동 과정을 단계 별로 보여주고 있습니다. 

• 입력 단계 (Text Prompt & Reference Image) : 프롬프트와 스타일 참조 이미지를 입력합니다. 
• 획 스타일 추출 (Stroke Style Extraction) : 참조 이미지를 픽셀 단위로 나누고 색상과 모양이 비슷한 영역을 SLIC 알고리즘을 활용해서 그룹화 합니다. 각 그룹을 하나의 획(stroke)로 간주해 벡터화합니다. (이 과정에서 획 위치, 두께, 색상 계산)
• SVG 초기화 및 최적화 (SVG Initialization & Optimization) : 벡터화된 획을 이용해 초기 벡터 그래픽을 생성하고 이를 DiffVG 도구를 이용해 픽셀 이미지로 변환합니다. 이후 생성된 픽셀 이미지와 참조 이미지의 차이를 손실 함수로 계산해 획의 위치, 색상, 두께 등을 조정하며 SVG를 최적화합니다.
• 스타일 보존 손실 (Style-Preserving Loss) : Stroke-level Loss, Global-level-Loss 를 이용해 각각 획 위치와 전체 스타일(색감, 분위기)가 참조 이미지와 비슷하도록 조정합니다. 

 

VectorPainter의 세부 적용 기술

1) 획 스타일 추출 (Stroke Style Extraction)

• 획 분할 : SLIC 알고리즘을 사용하여 이미지의 픽셀을 비슷한 속성을 가진 영역으로 분리
• 획 벡터화 : 분할된 영역의 가장 먼 두 점을 연결하여 베지어 곡선을 정의. 두 점 사이의 중심선을 기준으로 두께와 색상을 계산
• 모방 학습(Imitation Learning) : 벡터화된 획을 참조 이미지와 비교하여 손실을 최소화하는 방향으로 최적화

2) SVG 생성 및 최적화

• SVG 초기화 : 벡터화된 획을 초기 입력으로 사용하여 최적화를 위한 안정적인 출발점을 제공
• 스타일 보존 손실
  • 최적 운송 손실(Sinkhorn Distance) : 생성된 SVG와 참조 이미지 간의 획 이동을 최소화
  • DDIM 역변환 : 텍스트-이미지 생성 모델을 활용하여 글로벌 스타일 유사성을 유지

 

제약사항

 

스타일이 분명하지 않은 이미지(예: 수채화)의 경우 성능가 저하될 수 있으며 최적화 기반 접근법 특성상 시간이 오래 걸릴 수 있습니다. 

---

정리하며

VectorPainter는 텍스트와 스타일 참조 이미지를 조합하여 벡터 그래픽 생성하는 방식으로 새로운 가능성을 열었습니다. 특히, 획 스타일의 분석 및 활용은 벡터 그래픽 생성에서 품질을 향상시키는 데 중요한 역할을 했습니다. 향후 최적화 속도를 개선하고 다양한 스타일에 적용할 수 있도록 확장할 여지가 있습니다. 

 

벡터 이미지를 생성하는 AI 기술과 서비스는 참 많습니다. 유료 서비스도 이용해 봤지만 얻을 수 있는 결과물의 품질은 처음에는 예제들만 보고 우와~였다가 정작 기대를 가지고 벼르고 생성을 시켜보면 엥? 내가 프롬프트를 제대로 못 줬나? 하는 과정을 거치게 되더군요. 벡터 그래픽 생성은 그만큼 쉬운 기술이 아니고 개별적으로 사람들의 눈높이를 맞추기도 어려운 영역이라는 생각이 들었습니다. 하지만, 새롭게 발표되는 기술들은 다시금 기대 수준을 높여줍니다. VectorPainter에서는 획처리에 대한 갈증이 어느 정도 해소되었다고 생각되는데 이후에도 더 나은 기술들이 계속 등장하지 않을까요? 로또를 사서 행복한 일주일을 보내는 느낌을 가져 볼랍니다. ^^

---

4. 참고자료

• 논문) VECTORPAINTER: ADVANCED STYLIZED VECTOR GRAPHICS SYNTHESIS USING STROKE-STYLE  PRIORS (링크)

---

5. Q&A

Q. VectorPainter의 주요 차별점은 무엇인가요?

텍스트와 스타일 참조 이미지를 동시에 활용하며, 획 스타일을 기반으로 SVG를 생성한다는 점이 주요 차별점입니다.

Q. 이 기술의 응용 가능성은 무엇인가요?

디지털 아트, 로고 디자인, 애니메이션 등 다양한 시각적 콘텐츠 제작에 활용될 수 있습니다.

Q. 처리 시간이 오래 걸리는 이유는 무엇인가요?

최적화 기반 접근법을 사용하기 때문으로, 이는 고품질 SVG 생성을 위한 필수 단계입니다.