웹툰의 영상화를 위한 생성형 AI 기반 제작 플랫폼

텍스트 서사로부터 일관성 있는 영상을 생성하는 연구는 생성형 AI의 발전과 함께 급속히 성장해 왔다. 초기 연구는 텍스트-이미 지(T2I) 지식을 텍스트-영상(T2V) 생성으로 전이하거나, LLM을 프레임 수준의 연출자(director)로 활용하는 방향으로 전개되었 다 [4, 5]. 최근에는 LLM이 다단계 파이프라인을 오케스트레이 션하여 장면 분해·스토리보드·영상 합성을 자동으로 처리하는 시 스템, 키프레임을 먼저 계획한 뒤 시간적 동작을 합성하는 분리형 접근, 단일 캐릭터 스케치로부터 스토리 주도 애니메이션을 생성 하는 멀티모달 LLM 기반 시스템 등이 제안되어 시간적 일관성과 캐릭터 일관성 측면에서 향상된 성능을 보고하고 있다 [6, 7, 8].

생성형 AI의 출력 품질은 입력 프롬프트의 질에 크게 의 존하므로, 이를 자동화하는 연구가 활발하다. 대표적으로 APE(Automatic Prompt Engineer)는 LLM으로 지시 프롬프트를 자동 생성·선택하여 인간 작성 수준에 견주는 성능을 달성하였 고, 이후 연구들은 비전 단서를 결합한 멀티모달 프롬프트 최적 화 등으로 발전해 왔다 [9, 10]. 이러한 흐름은 서사 맥락에 기반한 자동 프롬프팅이 이미지·영상 생성 품질 향상에 효과적임을 일관 되게 시사한다.

영상과 만화 사이의 변환 연구는 양방향으로 축적되어 있다. 영 상에서 만화를 추출하는 방향에서는 자막과 대화 기반의 감정 인식 말풍선·다중 페이지 레이아웃 생성, 콘텐츠 인식 레이아웃 최적화로 망가(manga: 일본식 만화 스타일) 스타일을 자동 구성 하는 시스템이 제안되었다 [11, 12]. 다만 기존 만화→영상 연구 는 대체로 페이지형 코믹스를 가정하여 패널의 독해 순서를 먼저 복원해야 하는 반면, 본 연구가 대상으로 하는 한국형 세로 스 크롤 웹툰은 컷의 독해 순서가 위에서 아래로 결정되고, 각 컷이 단일 컷 단위로 이미 화면을 가득 채우는 구도여서 영상 한 클립 의 시작 프레임으로 거의 그대로 사용 가능하며, 회차 단위 발행 구조가 영상 합성의 자연스러운 단위와 일치한다. 본 연구는 이 매체 고유 특성을 영상 합성의 제약이자 신호로 적극 활용한다.

생성 결과의 품질을 정량적으로 측정하기 위해 이미지·텍스트·영 상을 임베딩하거나 모델에 질의해 점수를 산출하는 다섯 가지 대 표 지표가 알려져 있다. 본 절에서는 각 지표의 작동 방식과 강점· 한계를 검토한 뒤, 본 연구의 평가 대상에 가장 부합하는 조합을 식별한다.

본 연구의 평가 대상은 (i) 컷 이미지↔생성 스크립트(이미지-텍스트), (ii) 원본 컷↔실사화 이미지(이미지-이미지, 도메인 격 차 큼), (iii) 생성 영상↔컷 서술(영상-내용, 복합 서술)의 세 갈 래로, 단일 지표가 모두를 다루지 못한다. 이에 본 연구는 이미지 보존성 평가에 강한 CLIP-I와, 단락 단위 긴 서술·다속성 복합 서술 평가에 강한 VQAScore를 조합한다(VQAScore는 스토리 보드와 비디오 단계 모두에 적용). CLIP은 표준 이미지-텍스트 정합 지표이나 77 토큰의 길이 한도가 스토리보드의 단락 서술을 단일 벡터로 표현하기 어렵게 만들어 채택하지 않는다. LPIPS는 의미적 변환 평가에 변별력이 낮아 채택하지 않으며, ViCLIP은 텍스트 길이 한도로 주 지표가 아닌 보조 지표로만 산출한다.

제작자 플랫폼은 프레젠테이션·비즈니스 로직·데이터·외부 서비 스의 4계층 구조로 설계된다. 프레젠테이션 계층은 7단계 단계별 UI를 제공하고, 비즈니스 로직 계층은 크롤링·컷 분할·스토리 분 석·이미지 생성·영상 생성·편집 모듈을 담당하며, 데이터 계층은 디스크 캐시와 프로젝트 메타데이터를 관리한다. 외부 서비스 계 층은 Gemini 2.5 Flash(스토리 분석), Gemini Image(실사화), Veo 3.1 Lite(영상+오디오 생성), Naver Webtoon API(메타데이터)와 연계된다. 단계별 사용자 개입은 컷 선택, 프롬프트 수정, 객체 대체, 트랜지션 조정, BGM 삽입에 한정된다. 제작자 플랫폼 UI 예시는 Figure 2(a)에 제시한다.

Figure 2: Platform UI captures: (a) producer (developer-side, Streamlit) showing a 7-stage step UI, and (b) consumer (end-user mobile app, Flutter) showing the full-screen AI shorts feed.

Download Original Figure

소비자 플랫폼은 Flutter 기반 모바일 앱으로, 반응형 상태 관리 와 라우팅 위에 홈, 콘텐츠 상세, 풀스크린 숏츠 플레이어, 틱톡식 세로 스크롤 AI 피드, 개인화 추천 화면을 제공한다. 핵심 기능은 회차 번호를 기준으로 Naver 웹툰의 라이브 메타데이터(제목·썸 네일)와 자체 생성 AI 영상을 융합하여, 실시간 웹툰 정보와 AI 영상이 하나의 화면에서 자연스럽게 통합되도록 하는 이종 데이 터 융합이다. 소비자 플랫폼 UI 예시는 Figure 2(b)에 제시한다.

공유 백엔드는 Node.js·Express 기반 REST API 서버로 GCP VM 에서 컨테이너로 운영되며, 콘텐츠 목록, 에피소드, 파일 업로드, 인증 엔드포인트를 제공한다. PostgreSQL은 콘텐츠와 에피소드 를 단일 진실 공급원으로 관리하고, 콘텐츠 ID 체계를 통해 두 플랫폼 전반의 식별 일관성을 유지한다.

입력 단계는 사용자가 영상화하려는 웹툰 회차를 시스템에 제공 하는 단계이다. 사용자가 원본 웹툰 이미지를 항상 손에 들고 있 다고 가정할 수 없으므로, 본 시스템은 보유 자원의 형태와 무관 하게 회차를 투입할 수 있도록 이미지 파일 직접 업로드, 네이버 웹툰 URL 기반 자동 크롤링, 웹툰 API 연동 선택의 세 가지 입 력 경로를 단일 인터페이스로 통합 제공한다. URL이 입력되면 헤드리스 브라우저가 해당 회차 이미지를 자동으로 크롤링하며, 복합키 기반 캐시를 두어 동일 회차의 재크롤링을 방지한다. 이 렇게 수집된 회차 이미지는 해상도 정규화 전처리를 거쳐 후속 분석 모듈로 전달된다.

회차 이미지를 통째로 영상화하면 의미가 중첩되고 영상 길이를 제어할 수 없으며, 특히 영상에서는 컷별 객체의 참조 이미지를 이후 단계에 걸어두는 것이 외형 일관성 유지에 필수적이다. 따 라서 본 단계는 회차 이미지를 의미 단위인 패널로 자동 분리하여 후속 단계가 다룰 수 있는 단위로 정제하는 역할을 담당한다. 효 율적인 처리를 위해 본 시스템은 외부 API에 의존하지 않는 경량 수치 알고리즘을 채택한다. 구체적으로 각 행의 픽셀 표준편차 (row standard deviation)로 단색 여백 구간을 검출하고 그 중앙을 분할 좌표로 삼는 무손실 패널 분리를 수행하며, 외부 API 호출이 없는 순수 수치 연산이므로 비용·속도 측면에서 우위를 갖는다. 또한 비정형 패널 레이아웃에 대비해 딥러닝 기반 패널 추출을 보조적으로 결합하고, 검출된 컷은 해시 기반 디스크 캐시에 저 장하여 중복 처리를 방지한다.

분할된 컷 이미지 자체를 실사 영상화의 프롬프트로 그대로 사 용할 수는 없으며, 회차 전반의 스토리 맥락이 후속 단계마다 일 관 주입되어야 원본 서사와 정렬된 영상을 얻을 수 있다. 이에 본 단계는 LLM을 Vision AI와 연계하여, 텍스트박스의 형태로 부터 대사·나레이션·속마음·효과음을 자동 분류하고, 컷별 스크 립트와 회차 메타 서사를 함께 산출한다. 본 모듈의 출력은 다 음과 같은 세 가지 수준으로 구성되며, 본 시스템의 핵심 지능 계층으로서 이후 생성 단계의 프롬프트 품질에 직접적인 영향을 미친다.

본 모듈의 두 가지 산출은 Figure 3(회차-수준 서사 대시보드) 와 Table 2(컷별 스크립트)에 각각 예시한다. 전체 스토리 맥락 분석에는 첫·중간·끝 3컷 샘플링과 컷 간 중복 텍스트 제거를 적 용하여 비용을 절감하면서도 서사 정확성을 유지한다.

Figure 3: Screen capture of the episode-level narrative dashboard from the LLM analysis stage, aggregating story summary, per- character analyses, character relations, the emotion arc, key events, and hidden context.

Download Original Figure

웹툰 한 회차의 컷은 통상 120∼150개에 달하므로 전수 영상화 는 시간·비용 측면에서 비효율적이다. 따라서 본 단계는 사용자 가 영상화하고자 하는 핵심 컷만 직접 선별하도록 하며, 이때 UI 는 컷 미리보기와 함께 컷별 스토리 요약·텍스트 분류 결과를 제 시하여 선별을 돕는다. 동시에 이후 단계에서 캐릭터 외형이 흔 들리지 않도록 두 가지 일관성 보강 장치를 제공한다. 사용자는 등장인물의 외형 레퍼런스 이미지를 업로드하거나, 외형(헤어스 타일·의상·인상 등)을 고정 프롬프트로 명시할 수 있으며, 두 정보 모두 이후 단계의 캐릭터 외형 일관성 가이드로 활용된다.

프롬프팅에 익숙하지 않은 비전문가에게 정교한 프롬프트 작성 을 반복적으로 요구하는 것은 누적 피로의 핵심 원인이 된다. 따 라서 본 단계는 앞서 분석된 컷별 스크립트와 회차 메타 서사, 그 리고 사용자가 제공한 캐릭터 레퍼런스 이미지를 종합하여 LLM 이 이미지 생성용 프롬프트를 자동 구성하도록 한다. 컷 간 색 감·캐릭터 외형·분위기의 일관성은 시퀀스의 첫 번째 컷을 기준 이미지로 삼는 스타일 앵커(style anchor)로 정렬된다. 자동 프 롬프팅은 9:16 비율(1080×1920)의 세로형 숏폼 포맷을 따르고, 레퍼런스 인물 외형(헤어스타일·인상 등)을 반영해 캐릭터 일관 성을 유지하며, 원본 웹툰 컷의 배경과 구도를 보존한다. 또한 실 사(photorealistic) 스타일을 지정하여 2D 애니메이션·일러스트를 배제하고, 이미지 내 텍스트 렌더링은 명시적으로 차단하는 가이 드라인을 일관 적용한다.

자동 결과가 기대에 미치지 못할 경우 사용자는 프롬프트 수동 수정으로 재생성을 요청하거나, 객체 대체(object replacement) 기능으로 인페인팅 기반 부분 편집을 수행할 수 있다.

텍스트만으로 영상을 직접 합성하는 방식은 고품질 앵커 프레 임을 사전에 확보하기 어려워 장면 구성이 불안정해진다. 본 단 계는 이러한 한계를 우회하기 위해 직전 단계에서 확정된 실사 이미지를 시작 프레임(starting frame)으로 활용하여 이미지-영상 (image-to-video) 변환을 수행하며, 다음 가이드라인을 적용해 원 본 서사와의 정렬과 파이프라인의 연속성을 함께 확보한다. 컷당 5초 분량의 영상 클립을 생성하고, 회차 메타 서사와 컷별 스크립 트로부터 산출된 모션 프롬프트로 동작과 장면 전환을 원본 서사 에 맞게 정렬한다. 또한 컷별 스크립트의 대사·나레이션·효과음 을 JSON 음성 트랙으로 함께 입력하여 Veo 3.1 Lite가 동영상과 동기화된 오디오까지 한 번에 출력하도록 구성하며, 안전 필터에 의해 생성이 차단되는 경우에는 자동으로 무해한 대체 프롬프트 로 재시도하여 파이프라인 중단을 방지한다.

본 모듈은 고품질 앵커 프레임을 먼저 확정한 뒤 이를 조건 신 호로 시간적 동작을 합성하는 분리 방식을 채택함으로써 장면 구성의 정확성을 높인다.

사용자가 영상 편집을 위해 별도의 외부 편집기로 빠져나가야 한 다면 엔드투엔드 자동화의 의미가 약화된다. 본 단계는 이를 방지 하기 위해 컷별로 생성된 영상 클립의 결합·트랜지션(transition)· 배경음악(BGM: background music) 삽입까지를 모두 동일 플랫 폼 내부에서 처리하도록 FFmpeg를 모듈로 내장하였고, 출력 영 상은 곧바로 소비자 플랫폼과 자동 연동된다. 본 단계는 다음 절 차로 진행된다. (1) 개별 영상 클립을 순서대로 결합하고 교차 디 졸브(cross dissolve)·가속 페이드(accelerate fade) 등 트랜지션과 BGM을 FFmpeg 기반 모듈로 삽입한다. (2) 미리보기로 검토한 뒤 공유 백엔드 업로드 엔드포인트로 전송하여 회차 번호를 기 준으로 소비자 플랫폼과 자동 매핑한다. (3) 콘텐츠 ID 기반 식별 체계를 통해 향후 버전 관리·시리즈 연결·통계 연동이 용이하도 록 한다.

정량 평가는 파이프라인에서 가장 핵심이 되는 세 단계, 즉 (1) 스토리보드 추출, (2) 실사화 이미지 생성, (3) 비디오 생성을 대 상으로 한다. 동일한 웹툰 1회차(약 150개 컷)를 입력으로 사용 하고, 사용자가 선별한 컷 5개를 1차 표본으로 삼았다. 다만 5개 표본만으로는 플랫폼 전반의 성능을 일반화하기 어려우므로, 동 일 회차에서 표본을 확대하여 컷 번호 10 이하(7개)·20 이하(14 개) 구간에 대해 동일 지표를 추가로 측정하였다(6.3절). 이때 확 장 표본의 컷은 특정 결과가 유리한 구간을 고르는 대신 회차의 컷 순서를 따라 차례대로 취하되, 컷 분할 단계에서 빈 여백으로 분류된 구간만 제외하였다. 이를 통해 사용자가 임의 선별한 1차 5개 표본에서 우려될 수 있는 선택 편향(selection bias)을 완화하 고자 하였다.

2.4절에서 식별한 지표 조합을 본 실험의 세 평가 대상에 적용 한다. 단락 단위 자연어 서술과 대조하는 스토리보드 추출과 다 속성 복합 서술과 대조하는 비디오 생성에는 VQAScore를, 원본 컷과 실사 이미지 간 의미적 보존성을 측정하는 실사화 이미지 에는 CLIP-I를 사용하며, 비디오 단계에는 ViCLIP을 보조 지표 로 함께 산출한다. 각 지표의 채택·제외 근거(CLIP·LPIPS 제외, ViCLIP의 보조 활용 등)는 2.4절에 상술하였다.

CLIP-I는 ViT-B/32 백본의 OpenAI CLIP 이미지 인코더로 두 이 미지의 임베딩을 추출해 코사인 유사도를 계산하며, DreamBooth 가 사용한 평가 방식을 그대로 따른다. 영상 단계의 VQAScore 와 ViCLIP은 컷별 스크립트(생성된 서술 텍스트)를 질의 또는 조 건으로 사용한다. 스토리보드 단계의 VQAScore는 두 수준에서 산출하는데, (i) 컷-수준 정합도는 선별된 5개 컷 각각에 대해 장 면 정보·인물·대사를 통합한 컷별 스토리보드 텍스트를 해당 컷 이미지에 질의하여(이미지·영상 단계와 동일한 5-표본 프로토콜) 구하고, (ii) 회차-수준 서사 분석도는 LLM이 추출한 회차 전체 서 사 요소(줄거리·인물·관계·감정·핵심 사건)를 단락 단위로 분해한 42개 서술 표본을 회차 컷 이미지에 차례로 질의하여 구한다. 통 합 품질 지표 S_story에는 (i)을 사용하고, (ii)는 분석의 충실도를 검토하기 위한 보조 자료로 함께 보고한다. 컷-수준 측정(실사화· 영상·스토리보드 컷-수준)은 5개 표본에 대해, 회차-수준 서사 분 석도는 42개 서술 표본에 대해 각각 평균과 표준편차를 산출한다.

세 지표는 비교 대상이 다르고 동일 입력의 서로 다른 측면을 평 가하므로, 시스템 내부에서 단일 결정을 내리기 위해 다음과 같이 결합한 통합 품질 지표 S를 정의한다.

여기서 S_story는 스토리보드 단계의 VQAScore, S_img는 실사화 단계의 CLIP-I, S_vid는 비디오 단계의 VQAScore이며 모두 [0, 1] 범위로 정규화된다. 제안 시스템은 임계값 τ 를 두어 S ≥ τ 이면 결과를 채택하고, S < τ 이면 해당 컷의 재생성을 트리거하는 임 계값 기반 품질 게이트를 적용한다. 본 운영에서는 τ = 0.70을 채택하였으며, 이는 세 지표 모두에서 의미적으로 충분히 일치한 다고 해석되는 영역의 하한에 해당한다.

정량 지표가 단계별 내용 일치도를 측정하는 데 비해, 사용자가 제작 경험과 결과물을 어떻게 인식하는지는 별도의 사용성 설문 으로 평가하였다. 참여자는 AI·가상융합 분야를 전공하는 대학원 생 10명(20대 5명·30대 4명·40대 1명)으로, 영상 제작 경험은 전 무부터 전문가까지 혼재하였다. 평가는 (1) 연구자가 대상 웹툰 회차의 링크를 제공하면, (2) 참여자가 제작자 플랫폼에서 컷 선 별과 간단한 수정만으로 숏츠 1편을 직접 제작·확인하고, (3) 7점 리커트 설문에 응답하는 순서로 진행되었다. 설문은 스토리라인 반영도·이미지 품질·영상 품질·시스템 사용성(SUS 기반)·효용성 및 수용 의도(TAM 기반)·제작 부담·종합 만족의 구성개념으로 이루어지며, 역문항은 역코딩 후 집계하였다.

스토리보드 단계. 선별된 5개 컷의 컷별 VQAScore는 평균 0.813(표준편차 0.094, 최저 0.707, 최고 0.917)으로 모든 표본 이 τ = 0.70을 상회하였다(Table 3). 보조적으로 회차 전체 서 사 분석을 42개 서술 표본 단위로 검증한 평균은 0.717(표준편차 0.087, 최저 0.449, 최고 0.899)이며(Table 4, Figure 5), 감정 흐 름(0.745)·관계 묘사(0.743)가 높고 인물 C 묘사(0.621)는 “예측 불가능한 성격”과 같이 시각적으로 단정하기 어려운 추상 묘사 에서 가장 낮았다. 분포는 τ 이상에 약 62%(26/42), 0.65 이상에 약 79%(33/42)가 위치한다.

실사화 단계와 비디오 단계. 5개 컷에 대한 평균 CLIP-I는 0.714(표준편차 0.027, 최저 0.667, 최고 0.745)로, DreamBooth가 보고한 CLIP-I 영역(생성-참조 약 0.800, 실제 이미지 간 약 0.885) 보다는 낮으나 웹툰 일러스트와 실사 이미지 간의 큰 도메인 격 차를 감안하면 의미적 보존성을 확인하는 보조 지표로서 충분히 의미 있는 수치로 해석된다(Figure 4에서 인물 외형·구도·배경의 실사 톤 일관 보존을 확인할 수 있다). 비디오 단계의 평균 VQAS-core는 0.822로 완전 일치를 의미하는 1.0에 비교적 근접하여 생 성 영상이 원본 컷의 내용을 대체로 충실히 반영함을 시사하며, 보조 지표 ViCLIP은 평균 0.264로 32 토큰 텍스트 길이 제한 탓에 절대값은 낮지만 표본 간 분산이 작아 일관된 경향을 보였다.

컷-수준 평균값(S_story = 0.813, S_img = 0.714, S_vid = 0.822)을 Eq. (1)에 대입하면 통합 품질 지표는 S̅ = 0.783으로 산출된다. Table 3 마지막 행에서 보듯 5개 표본의 컷별 S 값은 모두 운영 임 계값 τ = 0.70을 상회하며, 가장 낮은 표본 5도 0.732로 게이트를 통과한다. 보조 지표인 회차-수준 서사 분석도(평균 0.717)는 약 38%의 서술이 τ 미만이며 시각적으로 단정하기 어려운 인물 묘 사에 집중되어 있어, 향후 서술 범주별 차등 가중치 부여나 시각 단서가 약한 서술의 별도 평가 채널 도입을 검토할 수 있다.

5개 표본만으로 플랫폼 전반의 성능을 단정하기 어렵다는 점을 보완하기 위해, 동일 회차에서 표본을 확대하여 컷 번호 10 이하 (7개)·20 이하(14개) 구간에 대해 동일한 정량 지표를 재측정하 였다(Table 3의 마지막 두 열). 통합 품질 지표 S는 1∼10 구간에 서 평균 0.742(표준편차 0.035), 1∼20 구간에서 0.738(표준편차 0.033)로, 5개 표본의 0.783보다 다소 낮으나 두 구간 모두 운영 임계값 τ = 0.70을 안정적으로 상회한다. 스토리보드 VQAS-core(0.80 내외)와 비디오 VQAScore(0.76 내외)는 표본을 늘려도 평균이 크게 흔들리지 않고 표준편차가 작아, 5개 표본에서 관찰 된 경향이 더 큰 표본에서도 유지됨을 시사한다. CLIP-I는 표본 확대 시 0.65 내외로 다소 낮아졌는데, 이는 웹툰→실사 도메인 격차가 큰 다양한 컷이 추가로 포함된 결과로 해석된다.

사용자 설문(N=10) 결과를 Table 5에 제시한다. 시스템 사용성은 SUS 점수 81.7(표준편차 19.6)로 통상 우수 등급 기준선(약 80점) 을 상회하여, 비전문가도 큰 어려움 없이 플랫폼을 사용할 수 있 음을 보였다. 효용성 및 수용 의도(E)는 7점 만점에 평균 6.17로 가장 높아, 전문 지식 없이도 쓸 만한 결과물을 제작할 수 있다는 점이 가장 높게 평가되었으며, 제작 부담(W, 역코딩 평균 5.97) 이 낮게 나타나 자동화가 제작 피로를 실제로 경감함을 뒷받침한 다. 결과물 품질 측면에서도 이미지 품질(5.90)·영상 품질(5.65)· 스토리라인 반영도(5.49)가 모두 척도 중앙값(4)을 크게 상회하 였다. 자유 응답에서는 “쉽고 간편하게 콘티부터 완성본까지”의 자연스러운 제작 흐름과 컷 분할·실사화 품질에 대한 긍정 평가 가 많았던 반면, 일부 컷에서 선택 장면과 생성 영상의 불일치, 컷 선택 UI의 가독성 개선 요구가 제기되었다. 다만 본 설문은 AI· 가상융합 전공 대학원생 10명의 동질적 소표본을 대상으로 하므 로, 일반 창작자 모집단으로의 일반화를 위해서는 더 크고 다양한 표본의 후속 검증이 필요하다.

제안한 일관성 보강 장치의 개별 기여를 분리하기 위해, 동일한 5개 컷에 대해 스토리 맥락 자동 프롬프팅과 스타일 앵커를 각각 켜고 끄는 2×2 절제 실험을 수행하였다(Table 6). 실사화는 만 화 양식을 사진 양식으로 의도적으로 변형하는 과제이므로, 외형 보존을 재는 CLIP-I는 변형이 약할수록 오히려 높아지는 구조적 편향을 갖는다. 실제로 스타일 앵커를 끈 조건에서 CLIP-I가 더 높게 나타나(0.679 대 0.669) 이 편향이 확인되므로, 본 분석은 결 과물이 실제 사진처럼 보이는 정도(“a realistic photograph”와의 정합)를 직접 측정하는 VQAScore를 주 비교 지표로 삼고 CLIP-I 는 참고로만 제시한다. VQAScore 기준으로 두 장치를 모두 적용 한 전체 구성이 평균 0.524로 가장 높았으며, 스토리 프롬프팅을 제거하면 0.446, 스타일 앵커를 제거하면 0.473으로 각각 하락하 여 두 장치가 모두 실사화 품질에 기여함을 확인하였다.