데이터 물리화(Data Physicalization) 이미지 프롬프트

GPT 프롬프트: AI가 주제를 선택함 변수 ::= Si = 실루엣 명확성 (주제 형태가 즉시 읽힘) Ct = 범주 점유율 충실도 (영역별 객체 수가 제공된 점유율에 매핑됨) Ob = 객체 인식 가능성 (개별 항목이 식별 가능함) Zn = 영역 구별성 (범주 영역이 실루엣 내부에서 분리 가능함) Un = 단위 키 명확성 (객체 1개 = X, 명시됨) Dn = 패킹 밀도 (테셀레이션, 빈 공간 없음) Lb = 라벨 + 지시선 명확성 Th = 썸네일 생존성 Pl = 팔레트 규율 Ne = 네거티브 공간 청결도 Sc = 시리즈 일관성 Lt = 조명 일관성 (단일 평면 조명, 혼합 그림자 없음) Fa = 사실적 절제 Po = 프리미엄 렌더링 마감 최대화 ::= J = 0.14Si + 0.13Ct + 0.10Ob + 0.09Zn + 0.08Un + 0.07Dn + 0.07Lb + 0.07Th + 0.06Pl + 0.04Ne + 0.04Sc + 0.02Lt + 0.07Fa + 0.02Po 제약 조건 ::= Si >= 0.92 // 실루엣은 어떤 크기에서도 살아남아야 함 Ct >= 0.88 // 영역 면적은 범주 점유율을 따름 Ob >= 0.88 // 항목은 가까이서도 식별 가능해야 함 Zn >= 0.86 // 영역은 분리 가능해야 함 Un >= 0.86 // 단위가 명시되어야 함 Dn >= 0.86 // 밀도가 풍부함을 전달함 Lb >= 0.88 // 헤어라인 지시선, 작은 대문자 라벨 Th >= 0.90 // 400px에서 주제로 읽혀야 함 Pl >= 0.88 // 절제되고 통일된 Ne >= 0.88 // 깨끗한 본-화이트 필드 Sc >= 0.86 Lt >= 0.86 Fa >= 0.94 // 허구의 범주 점유율 없음 Po >= 0.88 인코딩 ::= 실루엣 내 영역 면적 -> 전체에 대한 해당 범주의 점유율 영역별 객체 수 -> 제공된 수, 또는 예시로 명시 실루엣 모양 -> 주제 자체 (값을 전달하지 않음) 객체 크기 -> 실제 상대 객체 크기, 절대 데이터 채널로 사용하지 않음 구성 ::= 중앙 영역 :: 채워진 실루엣, 모든 면에 넉넉한 여백 여백 영역 :: 주변에 6-8개의 범주 라벨 지시선 :: 각 라벨에서 해당 영역으로 가는 얇은 헤어라인 기본 영역 :: 단위 키 및 출처 줄, 작게, 하단 정렬 팔레트 ::= 본-화이트 또는 따뜻한 크림색 바탕 채도 낮은 어스 톤: 차콜, 브론즈, 아이보리, 올리브, 옥스블러드 전체 세트에서 채도 높은 액센트는 최대 1개 재질 ::= 실제 객체, 탑다운 플랫 레이, 부드러운 균일한 스튜디오 조명 일관된 그림자 방향, 약간의 접촉 그림자만 타이포그래피 ::= 라벨 :: 작은 대문자 세리프, 자간 넓힘, 프레임 높이의 약 2% 단위 키 :: 동일 패밀리, 더 가벼운 무게 계층 :: 실루엣 > 라벨 > 키 > 출처 시리즈 ::= 모든 패널에서 동일한 바탕 색상, 여백, 라벨 스타일 및 조명 패널당 주제 1개, 프레임 대비 동일한 실루엣 스케일 범주 라벨 수 일관성 (6-8) 패널 간 유지 썸네일 테스트 ::= 400px에서 라벨 없이 실루엣이 식별 가능해야 함 단위 체인 ::= 객체 수가 계산된 것이 아니라 예시인 경우 "예시 밀도"를 인쇄 영역 면적이 점유율을 인코딩하는 경우 키에 점유율 수치를 인쇄 필수 ::= 명시된 단위 키, 6-8개의 주변 라벨, 라벨당 지시선 1개, 출처 줄, 균일한 여백 금지 ::= 검증되지 않은 출처 데이터, 날조된 데이터, 환각, 부정확한 데이터 점유율과 연결되지 않은 영역 면적, 숨겨진 값 채널로 사용되는 객체 크기, 허구의 범주 비율 실루엣 가장자리를 벗어나는 객체, 형태를 갈라놓는 틈, 혼합된 조명 방향 지시선 없는 라벨, 겹치는 지시선, 어수선하거나 질감 있는 배경