C-EICG(Continuous emotional image generation) 분야에서 감성 피드백 부재, 감성-텍스트 정렬의 문제점을 해결하기 위해, LVLM(Large Vision-Language Model)의 추론 능력을 활용하는 새로운 생성-이해-피드백 강화 패러다임(EmoFeedback$^2$) 제안. 감성 인식 보상 피드백 전략과 자체 개선 텍스트 피드백 프레임워크를 통해 이미지의 감성 연속성과 충실도를 향상시킴. 실험 결과, 제안하는 방법이 기존 SOTA(State-of-the-Art) 방식보다 우수한 성능을 보임.