AI 연구연구 프리프린트
이미지 생성 모델에 ‘다음 세계 상태’를 묻다…WorldCast 320사례 평가
원문 읽기 · arxiv.org ↗(새 탭에서 열림)이미지 생성 모델이 보기 좋은 그림을 만드는 것과 장면의 변화 규칙을 이해하는 것은 다른 문제다. WorldCast 연구진은 이전 장면과 명령을 주고 다음 세계 상태를 이미지로 표현하는 320개 사례를 만들어 12개 생성 시스템을 비교했다.
연구 방법
- 평가는 여덟 범주의 손으로 설계한 사례를 L3·L4 난도와 여러 입력 배열로 구성했다. 시스템 출력 이미지를 별도 멀티모달 판정기가 요구 조건과 대조했으며, 지각·관계·물리 변화와 목표 달성 같은 하위 과제를 구분했다. 동일 모델도 격자 배열과 교차 배열에 따라 성적이 달라 입력 형식 민감도를 확인했다.
평가 결과
- 논문 표의 전체 점수에서 GPT-Image-2.5는 72.8, Nano Banana Pro는 42.8이었다. GPT-Image-2.5의 L4 점수는 71.6이지만 시각 목표 실현 범주에서는 61.3으로 낮았다. 격자에서 교차 입력으로 바꾸면 해당 시스템 점수는 72.8에서 50.1로 내려갔다. 이 수치는 연구진의 판정 방식과 선택된 시스템에 한정된다.
적용 조건
- 사례는 연구진이 설계한 320개이며 자동 판정기의 타당성과 모델별 프롬프트·제품 설정에 영향을 받는다. 점수가 물리 세계에 대한 일반적 이해나 자율 행동 안전성을 입증하지 않는다. 시스템별 구성 차이도 순수 기반 모델 능력 비교를 제한한다.
함께 확인할 조건
- 사례는 연구진이 설계한 320개이며 자동 판정기의 타당성과 모델별 프롬프트·제품 설정에 영향을 받는다. 점수가 물리 세계에 대한 일반적 이해나 자율 행동 안전성을 입증하지 않는다. 시스템별 구성 차이도 순수 기반 모델 능력 비교를 제한한다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.