Amazon 리스팅을 위한 제약 조건 기반 이미지 파이프라인 구축

최근 저는 Amazon 리스팅 이미지 생성을 위해 8개의 개별 이미지 브리프(image briefs)를 단일 제약 시스템(constraint system)으로 교체했습니다. 그 뒤에 숨겨진 기술적 사고 방식, 파이프라인 아키텍처(pipeline architecture), 그리고 AI 드리프트(AI drift)가 구매자에게 도달하기 전에 이를 잡아내는 QA 게이트(QA gates)에 대해 설명하겠습니다.

문제점: AI 이미지 생성기는 실제 제품에 대한 기억이 없습니다

표준 AI 도구를 사용하여 6개의 별도 세션에서 Amazon 리스팅 이미지 세트를 생성하면, 각 세션은 기억 상실증에 걸린 상태와 같습니다. 메인 이미지는 하나의 뚜껑 모양을 가집니다. 디테일 샷(detail shot)은 약간 다른 모양을 가집니다. 라이프스타일 장면(lifestyle scene)은 실제 제품에는 없는 유광 마감(gloss finish)을 만들어냅니다.

이것은 프롬프팅(prompting)의 문제가 아닙니다. 아키텍처(architecture)의 문제입니다. 도구가 생성 과정 전반에 걸쳐 제약 객체(constraint object)를 유지하지 못하기 때문입니다.

대신 LoomaDesign의 파이프라인을 사용하여 구축한 것

이 시스템은 하나의 구조화된 제품 진실 객체(product truth object)를 가져와 다양한 이미지 유형으로 확장합니다. 이를 제약된 생성 파이프라인(constrained generation pipeline)이라고 생각하면 됩니다.

파이프라인 순서는 결정론적(deterministic)입니다

단계(Stage) 순서는 그 어떤 단일 프롬프트보다 중요합니다:

소스 준비 (Source preparation) — 가장자리 기하학 (edge geometry)을 보존하면서 흰색 배경 제거
강화 게이트 (Enhancement gate) — 원본 디테일이 흐릿한 경우에만 선명도 복구; 제품의 형태나 색상을 변경할 경우 거부
갤러리 확장 (Gallery expansion) — 고정된 참조(reference)로부터 각도, 디테일, 스케일, 라이프스타일 이미지 생성
A+ 모듈 구축 (A+ module construction) — 동일한 제품 진실 객체 (product truth object)를 재사용하되, 서로 다른 레이아웃 템플릿 적용
QA 패스 (QA pass) — 모든 출력물을 제약 조건 객체 (constraint object)와 비교

각 단계는 이전 단계로부터 제약 조건을 상속받습니다. 이것이 핵심적인 아키텍처 결정 사항입니다: 파이프라인은 제약 조건에 대해 추가 전용 (append-only) 방식이며, 결코 파괴적 (destructive)이지 않습니다.

생성보다 QA 프로그램이 더 중요합니다

실제 작업의 대부분은 거부 로직 (rejection logic)입니다:

이미지가 어떤 게이트라도 통과하지 못하면 거부됩니다. 파이프라인은 더 느슨한 프롬프트로 넘어가는 것이 아니라, 동일한 제약 조건을 가지고 다음 시도로 넘어갑니다.

규모와 성능

7개 이미지 세트(메인 + 지원 이미지 6개 + A+ 모듈)의 경우, 파이프라인은 독립적인 세션이 아닌 연결된 패스 (connected passes)로 실행됩니다. 전통적인 워크플로우는 6~8개의 별도 브리프 (briefs)가 필요하며, 각각 컨텍스트를 다시 구축해야 합니다. 제약 조건 기반 생성 (constraint-based generation) 방식에서는 하나의 구조화된 입력, 상속된 제약 조건을 가진 팬아웃 (fan-out), 그리고 순차적 QA를 거칩니다.

핵심 요점은 "더 나은 프롬프트"가 아닙니다. 이커머스를 위한 신뢰할 수 있는 AI 이미지 생성에는 프롬프트 라이브러리가 아니라 제약 조건 시스템 (constraint system)이 필요하다는 것입니다. 프롬프트는 매번 바뀌지만, 제품 제약 조건은 바뀌어서는 안 됩니다.

전체 워크플로우는 https://loomadesign.ai/en/blog/ai-image-generator-for-amazon-listing-full-image-set에서 확인하실 수 있습니다.