픽셀을 넘어 슬라이드로 인포그래픽 자동 변환

초록

Images2Slides는 비전‑언어 모델(VLM)로 인포그래픽을 영역 단위로 분석하고, 픽셀 좌표를 구글 슬라이드 좌표로 변환해 원본 디자인을 편집 가능한 구글 슬라이드로 재구성하는 파이프라인이다. 29개의 합성 인포그래픽을 대상으로 98.9%의 요소 복구율과 3.3% 수준의 문자 오류율을 달성했으며, 레이아웃 정밀도와 폰트 보정 기법 등 실용적인 엔지니어링 해결책을 제시한다.

상세 분석

본 논문은 인포그래픽이라는 복합 시각 매체를 픽셀 수준에서 구조화된 편집 가능 형태로 전환하는 문제를 정의하고, 이를 해결하기 위한 전체 시스템 아키텍처를 제시한다. 핵심은 최신 비전‑언어 모델(VLM)을 활용해 이미지에서 텍스트와 이미지 영역을 JSON 형태의 레이아웃 스키마로 추출하는 단계이다. 스키마는 영역 ID, 타입, 픽셀 좌표, 텍스트 내용, 스타일 힌트 등을 포함하며, 모델에 대한 프롬프트 설계와 응답 검증 로직을 통해 일관된 출력 형식을 강제한다.

추출된 레이아웃은 deterministic post‑processing을 거쳐 박스 클램핑, 공백 정규화, 최소 크기 보정 등을 수행한다. 이후 픽셀 좌표를 구글 슬라이드가 사용하는 포인트 단위로 변환하는데, 이미지‑슬라이드 간 비율 s = min(WS/WI, HS/HI)와 중앙 오프셋 Δx, Δy를 계산해 정확한 매핑을 보장한다.

텍스트 영역의 경우 VLM이 제공하는 폰트 크기가 실제보다 작게 추정되는 경향을 보완하기 위해 piecewise‑linear 폰트 보정 함수를 도입한다. 14pt 이하에서는 선형적으로 확대하고, 5.5pt 이하에서는 최소 8pt로 강제 상승시켜 가독성을 확보한다. 폰트 확대에 따른 텍스트 오버플로를 방지하기 위해 주변 영역과의 충돌을 감지하고, 필요 시 텍스트 박스 폭을 동적으로 확장한다.

이미지 영역은 원본 인포그래픽에서 해당 박스를 패딩(10px)과 함께 잘라내고, 해시 기반 중복 제거와 캐싱을 통해 효율적인 HTTP 업로드를 수행한다. 배경이 균일하지 않은 경우 –synthesize-background 옵션을 통해 배경 샘플을 추출하고, 단색 채우기 혹은 타일링 방식으로 새로운 배경 이미지를 생성한다. 이는 최종 슬라이드가 깔끔하면서도 원본 디자인과 시각적 일관성을 유지하도록 돕는다.

시스템은 Google Slides API의 batchUpdate를 이용해 한 번에 슬라이드 생성, 텍스트 박스 삽입, 스타일 적용, 이미지 삽입을 수행한다. 영역 ID를 기반으로 deterministic object ID를 부여해 재시도 시 동일 객체가 재사용되도록 설계했으며, 전체 파이프라인은 입력 → VLM 분석 → 검증/후처리 → 자산 준비 → 좌표 변환 → API 요청 → 실행 순으로 모듈화돼 확장성과 유지보수가 용이하다.

평가에서는 29개의 프로그램matically 생성된 인포그래픽을 사용해 요소 복구율 0.989±0.057, 텍스트 CER 0.033±0.149, 텍스트 IoU 0.364±0.161, 이미지 IoU 0.644±0.131을 기록했다. VLM 추론 평균 55초, Slides API 호출 평균 5.8초로 실시간 수준은 아니지만, 배치 처리 환경에서는 충분히 실용적이다. 실패 사례 분석에서는 작은 폰트 추정 오류, 복잡한 배경, 겹치는 영역 처리 한계 등을 제시하며 향후 연구 방향을 제시한다.

본 연구는 “derendering” 개념을 구글 슬라이드라는 실무 친화적인 출력 포맷에 적용함으로써, 디자이너와 콘텐츠 제작자가 기존 픽셀 기반 인포그래픽을 손쉽게 업데이트·현지화·재활용할 수 있는 새로운 워크플로우를 제공한다.