본 논문은 다중 모달 생성의 주제적 일관성과 스타일 일관성을 보장하는 데 어려움을 겪는 문제를 해결하기 위해, 입력 모델링과 포괄적인 최적화 목표를 갖춘 간단하면서도 효과적인 프레임워크인 \textbf{\textit{TIPPo}}를 제안한다. \textbf{\textit{TIPPo}}는 텍스트와 이미지를 추출하고, 시각적 프로토타입을 측정하며, 텍스트, 이미지, 프로토타입 신호를 Dual Alignment Attention 및 Difference Operator 모듈에 입력하여 언어 모델 디코딩을 수행한다. 스타일 일관성을 위해 \textbf{Po}lishPPO를 사용하고, SFT 중 비지도 대조 학습을 통해 샘플 간 표현 붕괴를 완화한다. 실험 결과는 자동 평가 및 LLM 기반 기준에서 \textbf{\textit{TIPPo}}의 우수한 성능을 보여준다.
