본 논문은 기존 텍스트-이미지 생성 모델이 물체의 상태(예: "병이 없는 테이블", "빈 텀블러")를 정확하게 표현하는 데 어려움을 겪는다는 문제를 다룹니다. 이를 해결하기 위해 다양한 상태의 물체를 정확하게 포착하는 고품질 합성 데이터를 자동으로 생성하는 파이프라인을 설계하고, 이 데이터를 사용하여 여러 오픈소스 텍스트-이미지 모델을 미세 조정했습니다. GPT4o-mini를 사용하여 생성된 이미지와 프롬프트의 정합도를 정량화하여 성능을 평가한 결과, GenAI-Bench 데이터셋에서 네 가지 모델 모두 평균 8% 이상의 개선을 달성했습니다. 또한, 다양한 물리적 상태의 일반적인 물체에 초점을 맞춘 200개의 프롬프트를 선별하여 평가했으며, 기준 모델 대비 평균 24% 이상의 성능 향상을 보였습니다. 모든 평가 프롬프트와 코드를 공개합니다.
