그래픽 초록 (Graphical Abstracts, GAs)은 학술 논문의 핵심 연구 결과를 시각적으로 요약하며, 연구 내용의 이해를 돕는 데 중요한 역할을 합니다. 최근 시각-언어 모델 (vision-language models)과 이미지 생성 모델 (image generation models)의 발전으로 논문 내용을 바탕으로 과학적 도표를 자동으로 생성하는 것이 가능해졌습니다. 그러나 대부분의 기존 방식은 생성된 결과를 래스터 그래픽 (raster graphics) 형태로 출력하기 때문에, 사후 편집(예: 텍스트 수정 및 레이아웃 변경)이 매우 어렵습니다. 이는 논문 작성 및 동료 심사 (peer review) 과정에 내재된 반복적인 도표 수정 프로세스에 부적합하다는 점에서 큰 과제가 됩니다. 이러한 문제를 해결하기 위해, 본 연구에서는 논문 내용으로부터 편집 가능한 GA를 생성하는 새로운 태스크를 정의하고, 벡터 형식 (vector format)으로 도표를 직접 생성하는 새로운 GA 생성 프레임워크인 GenGA를 제안합니다. GenGA는 도표를 계층적 구조를 가진 벡터 요소들의 집합으로 생성함으로써, 기존 드로잉 도구에 원활하게 가져와 직관적인 요소 단위 편집이 가능한 결과물을 만들어냅니다. 나아가, 국소적인 수정이 다른 요소로 전파되는 정도를 기반으로 도표의 편집 용이성을 정량화하는 지표인 구조적 독립 계수 (Structural Independence Coefficient, SIC)를 도입합니다. 실험 결과, GenGA는 기존 방식에 비해 우수한 편집 용이성을 달성하였으며, 간결함과 의미적 정렬 (semantic alignment) 측면에서는 사람이 작성한 GA조차 능가함을 보여주었습니다. 또한, 우리는 SIC가 수동 편집 비용과 상관관계가 있는 효과적인 지표임을 검증하였습니다. 본 연구는 GA 생성을 연구자들의 실제 워크플로우에 기반한 편집 가능한 벡터 그래픽 생성 문제로 근본적으로 재정의하며, 효과적인 과학적 커뮤니케이션을 크게 증진시킵니다.