마인드‑브러시: 에이전트 기반 인지 검색과 추론을 결합한 이미지 생성

초록

마인드‑브러시는 텍스트‑투‑이미지 모델을 정적 디코더에서 탈피시켜, 사용자 의도를 ‘생각‑연구‑창조’ 순환으로 전환한다. 인지 격차를 탐지하고, 멀티모달 검색·논리 추론 도구를 동적으로 호출해 실시간·외부 지식을 확보한 뒤, 이를 통합한 마스터 프롬프트로 고품질 이미지를 생성한다. 새로운 벤치마크 Mind‑Bench(500개 샘플, 실시간 뉴스·신흥 개념·수학·지리 추론 등)에서 Qwen‑Image 기반 모델의 정확도가 0.02→0.31으로 크게 상승했으며, 기존 WISE·RISE 벤치마크에서도 최고 성능을 기록한다.

상세 분석

마인드‑브러시의 핵심 설계는 ‘인지 격차 탐지(Cognitive Gap Detection)’와 ‘동적 실행 정책(Execution Policy)’이다. 입력 프롬프트와 선택적 레퍼런스 이미지를 5W1H 구조로 변환한 뒤, 내부 지식 베이스에 존재하지 않는 엔터티·관계·논리적 의존성을 원자 질문(Q_gap)으로 추출한다. Q_gap의 유형에 따라 두 가지 실행 경로가 선택된다.

1. 멀티모달 검색 경로 – 검색 에이전트(A_search)는 키워드·이미지 쿼리를 자동 생성하고, 웹·위키·전문 데이터베이스 등 외부 지식원에서 텍스트 문서(T_ref)와 이미지 레퍼런스(I_ref)를 회수한다. 회수된 정보는 ‘Inject’와 ‘Calibrate’ 연산을 통해 원본 프롬프트와 시각 질의에 삽입·보정된다. 이렇게 함으로써 모델은 최신 사건이나 OOD(Out‑of‑Distribution) 개념을 실시간으로 반영한다.

2. 내부 논리 추론 경로 – 논리 추론 에이전트(A_reasoning)는 체인‑오브‑생각(CoT) 방식을 적용해, 수학적 증명, 공간 관계 해석, 인과 추론 등 복합적인 논리 작업을 수행한다. 검색 단계에서 축적된 증거(E_search)와 사용자 입력을 입력으로 받아, 단계별 연산을 통해 명시적 결론(R_cot)을 도출한다.

두 경로에서 생성된 증거는 ‘컨셉 리뷰 에이전트(A_review)’에 의해 잡음이 제거되고, 시맨틱 일관성을 검증받은 뒤 ‘마스터 프롬프트(P_master)’로 재구성된다. 최종 이미지 생성 단계에서는 통합 이미지 생성 에이전트(A_generation)가 P_master와 선택된 시각 조건(V_in) (I_ref 혹은 I_img)을 동시에 활용해, 확산 모델 혹은 VAE‑기반 디코더에 조건을 부여한다.

마인드‑브러시의 설계는 전통적인 단일‑패스 T2I 파이프라인과 달리, 계층적 순차 의사결정 프로세스(M = ⟨S, A, π, E⟩) 로 모델링된다. 상태 S는 현재 입력·증거 버퍼·이미지를 포함하고, 행동 집합 A는 메타‑액션(갭 탐지)과 실행 액션(검색·추론)으로 구분된다. 정책 π는 초기 상태에서 Q_gap을 분석해 최적의 액션 시퀀스를 동적으로 생성한다. 이러한 구조는 복합적인 사용자 요구를 단계별로 분해·보강함으로써, 정적 파라미터 메모리에 의존하던 기존 UMM(통합 멀티모달 모델)의 한계를 극복한다.

벤치마크 측면에서, 논문은 Mind‑Bench을 새롭게 제시한다. 500개의 샘플은 실시간 뉴스, 최신 IP(지적 재산) 개념, 수학·지리·물리 추론 등 10개 카테고리로 구성돼, 모델이 외부 지식 획득·복합 논리 연산을 필요로 하는 상황을 체계적으로 평가한다. 실험 결과, Qwen‑Image 기반 마인드‑브러시는 Mind‑Bench에서 정확도가 0.02→0.31(≈15배)으로 급상승했으며, WISE에서는 WiScore가 +25.8%, RISEBench에서는 정확도가 +27.3% 향상되었다. 이는 검색·추론·생성의 삼위일체가 실제 성능 향상으로 직결됨을 입증한다.

한계점으로는(1) 외부 검색 엔진의 품질에 민감함, (2) 검색·추론 루프가 추가적인 연산 비용을 발생시켜 실시간 응답성에 제약이 있을 수 있음, (3) 현재 구현은 주로 텍스트·이미지 멀티모달에 초점이 맞춰져 있어 비디오·3D 등 고차원 매체에 대한 확장은 추가 연구가 필요하다. 향후 연구는 효율적인 검색 캐시, 라우팅 메타‑러닝, 그리고 다양한 도메인 전용 툴 체인의 자동 연결을 통해 에이전트의 범용성을 높이는 방향으로 진행될 전망이다.