본 논문은 텍스트-이미지 확산 모델(DM)이 고품질 이미지 생성 능력에도 불구하고, 훈련 데이터의 영향으로 원치 않는 결과물을 생성하는 문제를 해결하기 위해 사용자 맞춤형 미적 기준을 제시하는 새로운 방법을 제안합니다. 기존의 미적 기준이 보편적이라는 전제에 기반한 것과 달리, 본 논문은 개인화된 미적 기준을 강조하며, 예술 작품의 구성 원리를 바탕으로 미적 기준을 정의합니다. WikiArt를 기반으로 미술 구성 원리(PoA) 분석이 주석된 대규모 조성 예술 데이터셋 CompArt를 구축하고, 거대 언어 모델(LLM)을 활용하여 경량의 전이 가능한 어댑터를 훈련시켜 사용자가 PoA 조건을 통해 10가지 구성 제어를 할 수 있도록 합니다. 마지막으로, 제안된 방법의 효과를 평가하기 위한 평가 프레임워크를 설계합니다.
