과학 포스터 자동 생성 데이터 기반 그래픽 모델링

본 논문은 과학 논문을 시각적으로 요약하는 포스터를 자동으로 생성하는 문제에 최초로 접근한다. 포스터는 가독성, 정보 전달 효율성, 시각적 미학이라는 세 가지 핵심 요구사항을 동시에 만족해야 하는 복합 디자인 작업이다. 기존에는 디자인 경험이 풍부한 연구자나 전문 그래픽 툴을 이용해 수작업으로 제작되었으며, 자동화된 도구는 거의 존재하지 않았다. 저자들은 이러한 배경에서 데이터‑드리븐 프레임워크를 제안하고, 이를 검증하기 위한 Poster‑Paper 데이터셋을 공개한다. **1. 문제 정의 및 데이터셋** 포스터는 여러 개의 패널(P)로 구성되며, 각 패널은 텍스트와 그래픽 요소(그림·표)로 이루어진다. 논문‑포스터 쌍을 1:1 매핑하여 수집한 데이터셋에는 각 패널의 **텍스트 길이(lₚ)**, **텍스트 비율(tₚ)**, **그래픽 비율(gₚ)**, **패널 크기(sₚ)**, **종횡비(rₚ)**, 그리고 그래픽 요소의 **크기(s_g)**, **비율(r_g)**, **수평 위치(h_g)**, **포스터 내 크기 비율(u_g)** 등이 라벨링되어 있다. 이 데이터는 모델 학습과 평가에 사용된다. **2. 패널 속성 추정** 패널의 크기와 종횡비는 텍스트 비율과 그래픽 비율에 조건부 선형 가우시안 모델을 적용해 추정한다. 구체적으로 - \(P(sₚ|tₚ,gₚ) = \mathcal{N}(sₚ; w_s·