yejy53/GenClaw

What it solves

GenClaw는 사용자가 정밀한 공간 레이아웃, 특정 객체 수, 정확한 텍스트 렌더링에 어려움을 겪는 경우가 많은 원샷 이미지 생성의 한계를 해결합니다. 프롬프트 엔지니어링에만 의존하는 대신, 코드를 제어 가능한 시각적 캔버스로 사용하여 최종 이미지가 사용자의 의도와 일치하도록 보장하는 방법을 도입합니다.

How it works

이 시스템은 "think, sketch with code, then render" 워크플로우를 따르는 에이전트 루프(agentic loop)로 작동합니다. 플래너 LLM은 일련의 도구를 사용하여 최종 결과를 위해 이미지 생성 모델을 호출하기 전에 시각적 초안을 생성합니다.

1. Perception: 서브-LLM이 계획을 가이드하기 위한 "painter notes"를 작성합니다.
2. Planning: 플래너가 todo_write 계획을 생성하고 도구 파이프라인을 선택합니다.
3. Drafting: 에이전트는 code_scene_draft (SVG) 또는 code_text_draft (HTML/CSS)와 같은 도구를 사용하여 명시적이고 편집 가능한 레이아웃을 생성합니다.
4. Rendering: 초안은 최종 합성을 위해 이미지-투-이미지(i2i) 또는 텍스트-투-이미지(t2i) 모델로 전달됩니다.

Who it’s for

특정 텍스트가 포함된 포스터를 디자인하거나 정확한 객체 배치가 필요한 복잡한 장면을 설계하는 등, 이미지 구성에 대한 높은 정밀도 제어가 필요한 크리에이터와 개발자를 위해 설계되었습니다.

Highlights

• Code as a Visual Brush: SVG, HTML/CSS, 및 Python을 사용하여 공간 레이아웃과 텍스트 렌더링을 검증 가능하고 디버깅 가능한 프로그램으로 변환합니다.
• Human-like Creative Loop: 개념화, 스케치, 채색, 정교화 과정을 거울처럼 반영하여 모든 단계를 투명하고 편집 가능하게 만듭니다.
• Agentic Harness: LLM 계획, 도구 사용, 그리고 성찰(reflection)을 이미지 합성 과정에 직접 통합합니다.
• Knowledge-Grounded: 이미지 생성을 실제 세계의 지식에 기반하도록 하기 위해 검색 도구(Tavily를 통해)와 멀티모달 추론을 포함합니다.