본 논문은 텍스트가 포함된 이미지 생성을 위한 효율적인 새로운 프레임워크를 제시합니다. 기존의 텍스트-이미지 생성 방법들은 자원 집약적이고 CPU 및 GPU 플랫폼 모두에서 효율적으로 실행하는 데 어려움이 있었습니다. 본 연구는 강화 학습(RL)을 기반으로 한 두 단계 파이프라인을 제안하여 텍스트 레이아웃 생성 속도를 높이고 중복을 줄이며, 확산 모델 기반 이미지 합성 모델과 통합합니다. 이를 통해 CPU 및 GPU 환경 모두에서 효율적인 실행이 가능하며, TextDiffuser-2와 비교하여 품질 저하 없이 실행 속도를 크게 향상시키고 유연성을 높였습니다. MARIOEval 벤치마크 평가 결과, 최첨단 모델과 유사한 성능을 보이며, 97.64% 더 빠른 속도와 2MB의 메모리만으로 실행 가능함을 확인했습니다.
