본 논문은 확산 변환기(DiT) 기반 텍스트-이미지(T2I) 모델을 이용하여 시각적 텍스트 렌더링의 제어 가능성을 향상시키는 새로운 방법을 제안합니다. 기존 방법들의 폰트 불일치, 스타일 변화, 단어 수준의 세밀한 제어 한계를 극복하기 위해, 두 단계의 DiT 기반 파이프라인을 제시합니다. 첫째, 매개변수 효율적인 미세 조정 방법인 TC-FT(Typography Control Fine-tuning)를 도입하여 ETC-tokens(Enclosing Typography Control tokens)을 통해 단어 수준의 정밀한 서체 기능 적용을 가능하게 합니다. 둘째, 텍스트와 무관한 스타일 제어 어댑터(SCA)를 통해 콘텐츠 유출을 방지하면서 스타일 일관성을 향상시킵니다. 효과적인 TC-FT 및 SCA 구현을 위해 HTML 렌더링을 데이터 합성 파이프라인에 통합하고 최초의 단어 수준 제어 가능한 데이터셋을 제시합니다. 실험을 통해 단어 수준의 서체 제어, 폰트 일관성, 스타일 일관성에서 우수한 성능을 입증합니다. 데이터셋과 모델은 학술적 사용을 위해 공개될 예정입니다.
