기술 요약: DeepSlides – 자동화된 슬라이드 생성을 위한 계층적, 템플릿 없는 접근법

1. 문제 제기

프레젠테이션 슬라이드의 자동 생성은 엄격한 공간 제약 하에 내러티브 구조와 페이지 수준의 그래픽 디자인을 조율해야 합니다. 대규모 언어 모델 (LLM) 은 콘텐츠 생성 분야에서 진전을 이루었지만, 기존 자동 슬라이드 생성 시스템은 다음과 같은 중대한 한계를 겪고 있습니다:

• 템플릿 의존성: 많은 시스템이 고정된 템플릿에 의존하여 창의적인 레이아웃 능력을 제한하고 시각적으로 단조로운 결과를 초래합니다.
• 디자인 우회: 실행 가능한 코드 (예: HTML/LaTeX) 를 직접 생성하는 접근법은 필수적인 슬라이드 페이지 디자인 단계를 우회하여, 구성이 약하고 시각적으로 단조로우며 의미론적 기반이 부족한 레이아웃을 초래합니다.
• 품질 격차: 현재 방법론들은 실제 전문 환경에서 시각적으로 일관되고 매력적인 프레젠테이션을 생성하지 못하며, 종종 전체적인 시각 디자인보다 표면적인 장식이나 콘텐츠 생성에 우선순위를 둡니다.

2. 방법론: DeepSlides 프레임워크

본 논문은 슬라이드 페이지 디자인과 구현을 명시적으로 분리하는 계층적 워크플로우인 DeepSlides를 제안합니다. 이 시스템은 "디자인 우선, 코드 이후"라는 패러다임으로 운영되며, 세 가지 주요 단계로 구성됩니다:

2.1 사용자 요구사항 시뮬레이션 및 개요 생성

도메인 전문가의 워크플로우를 모방하기 위해 DeepSlides 는 DeepResearch 모듈을 활용합니다. 이 에이전트는 다음과 같은 작업을 수행합니다:

• 웹 검색 및 이미지 검색을 통한 구조화된 지식 획득.
• 멀티모달 연구 보고서 작성.
• 섹션 결정, 슬라이드 할당량 배분, 핵심 콘텐츠 (제목 및 불릿 포인트) 정의가 포함된 구조화된 다중 레벨 슬라이드 개요 생성.

2.2 슬라이드 수준 디자인 (전체 전략)

개별 페이지를 생성하기 전에, 시스템은 페이지 간 일관성과 다양성을 보장하기 위해 고수준 디자인 가이드라인을 수립합니다:

• 스타일 정의: 에이전트는 전체적인 톤, 색상 팔레트, 타이포그래피를 결정합니다.
• 지시문 작성: 페이지를 기능적 페이지(표지, 구분자, 마무리) 와 콘텐츠 페이지로 분류합니다. 각 페이지에 대해 장식 요소, 도형, 그리고 그들의 공간적 관계를 상세히 기술하는 구체적인 디자인 지시문을 작성합니다.
• 레이아웃 계획: 시스템은 스타일적 일관성을 유지하면서 구조적 다양성을 장려하기 위해 슬라이드별 레이아웃 사양 (예: "수평 블록") 을 생성합니다.

2.3 페이지 수준 생성 (반복적 정제)

각 슬라이드에 대해 시스템은 다단계 프로세스를 수행합니다:

1. 콘텐츠 확장: 콘텐츠 페이지의 경우, 에이전트는 보조 텍스트와 이미지를 수집하기 위한 타겟 검색 쿼리를 생성하여 이를 후보 스니펫으로 추립니다.
2. 3 계층 디자인: 디자인은 다음과 같이 분해됩니다:
   • 배경 레이어: 텍스처, 이미지와 같은 독립적인 장식 요소.
   • 레이아웃 레이어: 구조적 블록 배치, 역할, 그리고 공간적 위치.
   • 콘텐츠 레이어: 블록 내에 배치된 구체적인 텍스트 및 시각적 자산.
3. 구현: 디자인 사양은 편집 가능한 .pptx 파일을 프로그래밍 방식으로 구축하기 위해 Python 코드로 변환됩니다. 이 선택은 HTML/LaTeX 출력보다 네이티브 편집 가능성을 우선시합니다.
4. 평가 및 피드백: 에이전트가 렌더링된 슬라이드를 세 가지 차원에서 평가합니다:
   • 완전성: 요구사항 및 개요와의 정렬.
   • 준수성: 중첩된 블록이나 콘텐츠 넘침의 부재.
   • 미적 요소: 색상 조화, 시각적 위계, 그리고 균형.
   • 정제: 점수에 기반하여 에이전트는 디자인과 코드를 반복적으로 정제합니다.

3. 훈련 패러다임 및 데이터셋

3.1 SlideDesign 데이터셋

저자들은 과학 분야 (FOS) 분류 체계의 420 개 주제에서 파생된 SlideDesign이라는 다학제적 멀티모달 데이터셋을 구축했습니다. 이 데이터셋은 짝을 이룬 텍스트 및 시각 자원, 디자인 사양, 그리고 슬라이드 생성을 위한 실행 가능한 Python 코드를 포함합니다.

3.2 다중 에이전트 강화 학습 (MARL)

저자들은 ReMA 에서 영감을 받은 다중 에이전트 강화 학습 프레임워크를 사용하여 SlideQwens라는 일련의 모델을 훈련시켰습니다:

• 에이전트: 두 개의 전문화된 모델인 Designer와 Coder.
• 프로세스: Designer 는 레이아웃 동작을 출력하고, Coder 는 이를 Python 코드로 변환합니다.
• 보상 메커니즘:
  • Coder 보상 ($R_C$): 코드 실행 가능성 및 구현 완전성에 기반.
  • Designer 보상 ($R_D$): 완전성, 준수성, 미적 요소의 가중 합 (깨진 슬라이드에 대해 보상하지 않도록 구현 완전성으로 게이트 처리됨).
• 훈련 전략: 초기화를 위한 감독 미세 조정 (SFT) 을 거친 후 최적화를 위한 MARL 을 적용하는 2 단계 접근법.

4. 실험 결과

본 논문은 직접 LLM 생성 (Claude Haiku/Sonnet), 템플릿 기반 시스템 (Auto-Slides), 코드 기반 접근법 (EvoPresent) 그리고 상용 솔루션 (Kimi, Manus) 을 포함한 베이스라인에 대해 DeepSlides 를 평가했습니다.

• 객관적 지표: DeepSlides 는 평균 VLM 기반 평가 점수 (3.78) 에서 가장 높은 점수를 기록하여 레이아웃(3.55), 위계(4.04), 색상 구성(3.71) 에서 베이스라인을 능가했습니다. 성공률 (95%) 은 EvoPresent(100%) 보다 약간 낮았으나, 더 우수한 시각적 품질을 입증했습니다.
• 인간 선호도: 20 명의 자원봉사자를 대상으로 한 블라인드 연구에서:
  • DeepSlides 는 오픈소스 베이스라인에 대해 76.5% 의 승리율을 기록하여 두 번째로 좋은 방법 (9.5%) 을 크게 능가했습니다.
  • 상용 시스템에 대해서는 52.0% 의 승리율을 기록하여 가장 강력한 상용 베이스라인보다 32.5% 더 높았습니다.
  • 테스트된 모든 모델 중 가장 높은 Top-1 선호도 지분을 받았습니다.
• 인간 스타일 평가: DeepSlides 는 명확성, 창의성, 시각화, 미적 요소라는 네 가지 차원에서 높은 점수를 받았습니다.
• 모델 성능: 훈련 결과, 기본 0.6B 모델은 실패했으나 SFT 로 초기화된 모델은 81.4% 의 성공률을 달성했으며, MARL 을 통해 86.0% 로 향상되어 단계별 훈련 접근법의 필요성을 확인시켰습니다.

5. 중요성 및 주장

본 논문은 DeepSlides가 "디자인 대 구현" 격차를 해소함으로써 자동화된 슬라이드 생성 분야에서 중요한 진전을 이루었다고 주장합니다. 주요 기여점은 다음과 같습니다:

1. 분리된 워크플로우: 고수준 디자인 추론과 저수준 코드 구현을 분리함으로써, 시스템은 구현 아티팩트에 의한 미적 의도의 왜곡을 피하고 더 창의적이고 일관된 레이아웃을 가능하게 합니다.
2. 템플릿 없는 생성: 프레임워크는 고정된 템플릿에 대한 의존성을 제거하여 시각적 피로를 줄이는 동적이고 콘텐츠 인식형 레이아웃을 가능하게 합니다.
3. 효과적인 훈련 패러다임: SlideDesign 데이터셋과 다중 에이전트 강화 학습 접근법의 결합은 복잡한 구조화된 멀티모달 작업을 수행하도록 경량 모델 (0.6B 파라미터) 을 성공적으로 훈련시킵니다.
4. 우수한 품질: 경험적 증거는 이 구조화된 디자인 우선 접근법이 기존 템플릿 기반 또는 직접 코드 방식에 비해 인간 평가자들이 더 시각적으로 매력적이고 창의적이며 전문적으로 구성된 것으로 인식하는 결과를 산출함을 시사합니다.

저자들은 다단계 파이프라인으로 인한 추론 지연 증가, 명시적 참조 없이 엄격한 브랜드 수준 스타일을 유지하는 데 잠재적인 어려움, 지적 재산권 및 오용과 관련된 엄격한 보안 및 윤리적 안전장치의 필요성 등 한계를 인정합니다.