본 논문은 기존의 모델 허브가 단순한 텍스트 매칭으로 모델 검색을 수행하는 한계를 지적하며, 사용자가 다수의 모델과 예시 이미지를 일일이 검토해야 하는 어려움을 해결하기 위해 새로운 접근법을 제시합니다. Conditional Generative Model Identification (CGI) 와 Prompt-Based Model Identification (PMI) 라는 두 가지 방법을 제안하여, 사용자가 예시 이미지를 제공함으로써 적합한 모델을 효율적으로 찾을 수 있도록 합니다. PMI는 모델 기능을 효과적으로 설명하고 사용자 요구사항과 사양을 정확하게 매칭하는 데 중점을 둡니다. 65개의 모델과 9100개의 식별 작업으로 구성된 벤치마크를 제공하여 PMI 접근법을 평가하고 관련 연구를 촉진합니다. 실험 및 인간 평가 결과, PMI가 효과적임을 보여주며, 예시 이미지 4개를 제공할 경우 92%의 모델이 정확하게 식별되고 FID 점수가 크게 향상됨을 확인했습니다.