본 논문은 대규모 AI 모델을 이용한 생성적 의미론적 통신(Gen-SemCom) 시스템을 6G 네트워크에 적용하는 것을 제안한다. 기존의 순수 프롬프트 기반 생성 방식의 한계인 미세한 시각적 디테일 손실 및 성능 평가 지표 부재 문제를 해결하기 위해, 본 논문은 텍스트 프롬프트와 의미적으로 중요한 특징을 함께 전송하는 하이브리드 Gen-SemCom 시스템을 제시한다. 이는 의미 필터링 기법을 통해 이미지의 의미론적 레이블과 관련된 중요 특징을 선택적으로 전송하고, 수신단에서는 텍스트 프롬프트와 중요 특징을 통합하여 확산 기반 생성 모델을 이용해 고충실도 이미지를 재구성하는 방식이다. 또한, 생성된 이미지의 시각적 품질을 평가하기 위한 새로운 지표인 GVIF (Generative Visual Information Fidelity)를 제안하고, 이를 최대화하는 채널 적응형 Gen-SemCom 시스템을 설계한다. 실험 결과는 GVIF 지표가 시각적 충실도에 민감하게 반응하며, PSNR 및 중요 정보량과 상관관계가 있음을 보여준다. 최적화된 시스템은 기존 방식보다 높은 PSNR과 낮은 FID 점수를 달성하여 성능 우위를 입증한다.
