Challenge

P사는 사용자가 원하는 조건을 입력하면 패키지 디자인 시안 생성부터 편집, 인쇄용 변환까지 이어지는 AI 기반 제작 플랫폼을 운영하고 있었습니다. 생성형 디자인은 같은 조건을 입력해도 결과가 조금씩 달라질 수 있어, 몇 장의 결과물만으로 품질을 판단하면 우연히 잘 나온 이미지에 기대게 될 위험이 있었습니다.

특히 패키지처럼 실제 제작과 연결되는 디자인에서는 전체 이미지의 분위기보다 구조와 QR코드·바코드·문구 같은 필수 식별 요소가 손상 없이 유지되는지가 더 중요했습니다. 객체 제거·배경 복원 기능 역시 대상이 제거되었는지만으로는 품질을 충분히 판단하기 어려웠고, 복원 영역의 질감과 색감이 원본과 얼마나 가까운지까지 확인이 필요했습니다.

Testing Approach

와이즈스톤은 디자인 정밀도, 디자인 요소 검출, 프롬프트 반영도, 배경 복원 품질 네 가지 기준으로 평가했습니다. 디자인 정밀도는 다수의 텍스트 프롬프트와 기준 패키지 디자인 이미지를 바탕으로, 생성 이미지와 기준 이미지의 구조적 유사도를 SSIM으로 비교했습니다.

디자인 요소 검출은 QR코드·바코드·문구 등 주요 요소가 포함된 이미지를 대상으로, 생성 이미지에서 해당 요소의 위치를 탐지해 정답 바운딩 박스와의 일치도(mAP@0.5)를 계산했습니다. 프롬프트 정밀도는 생성 이미지와 원문 프롬프트 사이의 의미적 유사도를 CLIP Score로 산출했습니다.

배경 복원 품질은 객체가 포함된 이미지와 객체가 없는 원본 이미지를 비교하는 방식으로, 마스킹 후 복원된 이미지와 원본 이미지의 차이를 PSNR로 계산했습니다.

What We Tested

• ৹ 텍스트 프롬프트 기반 패키지 디자인 생성 결과의 구조적 유사성

• ৹ QR코드·바코드·문구 등 주요 디자인 요소의 검출 가능성

• ৹ 생성 이미지와 텍스트 프롬프트 간 의미적 유사성

• ৹ 객체 제거 후 배경 복원 이미지와 원본 이미지 간 품질 차이

Results & Value

P사는 이번 검증을 통해 생성형 패키지 디자인 기능이 구조, 필수 요소, 프롬프트 반영, 배경 복원 품질 측면에서 목표 수준에 도달했음을 확인했습니다. 와이즈스톤은 결과물의 인상이나 선호도에 의존하지 않고, 제작 과정에서 문제가 될 수 있는 품질 요소를 지표별로 구분해 검증했습니다.