베이징대·구글, 학술 논문 도표 자동 생성하는 AI '페이퍼바나나' 공개

논문을 써본 연구자라면 누구나 공감하겠지만, 본문을 쓰는 것보다 논문의 핵심 아키텍처나 방법론 도표를 보기 좋게 다듬는 데 훨씬 더 많은 시간과 에너지가 소모되곤 한다.

베이징대학교와 구글 클라우드 AI 연구진은 이러한 수작업 병목을 해소하기 위해 출판 수준의 학술 도표와 그래프를 자동으로 만들어내는 멀티 에이전트 프레임워크 'PaperBanana'를 공개했다.

5개 에이전트가 나눠 맡는 다이어그램 제작

기존 이미지 생성 모델에 연구 도표를 그리게 하면 텍스트가 뭉개지거나 논리적 순서가 엉망인 무용지물이 나오기 일쑤였다.

PaperBanana는 전문 디자이너의 작업 방식을 모방해 검색, 기획, 스타일, 시각화, 비평을 담당하는 5개의 AI 에이전트를 직렬로 연결했다.

검색 에이전트가 레퍼런스 도표를 찾으면, 기획 에이전트가 원문 텍스트를 분석해 배치와 논리적 흐름을 설계한다. 이어 스타일 에이전트가 색상과 폰트를 다듬고 시각화 에이전트가 이미지를 렌더링한다.

마지막으로 비평 에이전트가 수정 사항을 짚어내며 반복 피드백 루프를 돌아 최종 결과물을 완성한다. Nano Banana Pro나 GPT-Image-1.5 같은 외부 모델을 자유롭게 연결해 쓸 수 있는 구조다.

처음부터 도표를 만드는 것뿐만 아니라 연구자가 대충 그린 스케치를 세련되게 다듬는 기능도 갖췄다. 기존 사람이 그린 도표와의 일대일 미학 비교에서 56%의 승률을 기록했다.

통계 그래프의 경우, 심미성을 앞세운 직접 이미지 생성과 오차 없는 시각화를 보장하기 위해 맷플롯립 파이썬 코드를 짜는 방식을 모두 지원한다.

벤치마크 압승 속 드러난 연결선 오류

연구진은 객관적인 성능 검증을 위해 NeurIPS 2025 논문들의 방법론 도표로 구성된 'PaperBananaBench'(테스트 케이스 292개)를 구축했다.

평가 결과에 따르면 PaperBanana는 기존 베이스라인 대비 간결성에서 37%, 가독성에서 약 13% 앞섰으며 충실도와 미학적 점수에서도 우수한 성적을 거뒀다.

하지만 명확한 한계도 확인됐다.

가장 빈번하게 발생한 오류는 노드 간 연결선 문제였다. 불필요한 연결선이 추가되거나 화살표의 출발지와 목적지가 뒤바뀌는 현상이 발생했다.

더 큰 문제는 비평 에이전트조차 이런 연결 오류를 제대로 잡아내지 못한다는 점인데, 파운데이션 모델 자체의 공간 인지 능력 한계에서 비롯된 것으로 분석된다.

왜 중요한가

마감에 쫓기는 연구자와 엔지니어들에게 PaperBanana는 학술 활동에서 가장 번거로운 시각화 병목을 덜어줄 수 있는 도구다. 러프한 초안을 넣고 전문가 수준의 레이아웃과 배색으로 변환하는 작업만으로도 상당한 시간을 아낄 수 있다.

이 시스템의 가장 영리한 점은 단일 블랙박스 모델에 의존하지 않고 논리적 기획과 시각적 렌더링을 완전히 분리했다는 점이다. 엄격한 수치 데이터가 필요할 때는 파이썬 코드로 우회해 할루시네이션을 원천 차단하는 유연성도 돋보인다.

다만 완전 자동화 도구로 맹신하기는 아직 이르다. 학술 다이어그램에서 화살표 방향 하나가 뒤바뀌는 것은 연구 결론을 왜곡하는 치명적인 오류가 될 수 있다. 자체 비평 에이전트조차 연결 오류를 놓치는 만큼 투고 전 인간 연구자의 엄밀한 검수는 필수다. 연구팀이 2주 내로 코드와 데이터셋을 공개하겠다고 밝힌 만큼 실제 워크플로에 얼마나 녹아들 수 있을지 지켜볼 만하다.