A Study on a ROSES Prompt Framework Incorporating Visual Hierarchy for Generative AI–Based Poster Design

본 연구는 생성형 인공지능을 활용한 포스터 디자인 과정에서 시각적 구조를 체계적으로 통제할 수 있는 ‘개선된 ROSES’ 프롬프트 프레임워크의 효과를 실증적으로 검증하는데 목적이 있다. 최근 AI가 생성한 디자인의 70.5%에서 레이아웃 불균형이 발견되고, 이로 인해 정보 전달 효율이 약 20% 손실되는 문제를 해결하기 위해 본 연구가 수행되었다. 이를 위해 기존의 표준 ROSES 구조에 60-30-10 디자인 규칙, ABT 서사 구조, 시선 유도 경로 등 시각적 지각원리를 결합한 확장된 프레임워크를 제안하였다. 이를 학술 연구, 교육용 인포그래픽, 문화 축제 등 5가지 가상 시나리오에 적용하여 DALL-E 3로 결과물을 생성하였으며, GPT-4o를 활용한 ‘VLM-as-Judge’ 평가 모델을 통해 가독성, 균형, 서사성 등을 정량적으로 분석하였다. 분석 결과, 개선된 프레임워크를 적용했을 때 레이아웃 불균형 문제는 12.4% 개선되었으며 서사적 일관성 또한 10.6% 향상되는 유의미한 성과를 거두었다. 이는 프롬프트 내의 명확한 수치적 지침이 AI 모델의 확률 분포를 최적의 레이아웃으로 수렴하게 유도하여 ‘레이아웃 오버플로우’를 방지했기 때문이다. 결론적으로 본 연구는 AI가 단순한 생성 도구에서 벗어나 정보 우선순위를 능동적으로 설계하는 ‘디자인 에이전트’로 기능할 수 있는 실무적 토대를 마련하였다는데 의의가 있다.