GlazyBench: 도자기 유약 특성 예측 및 이미지 생성을 위한 벤치마크

GlazyBench: A Benchmark for Ceramic Glaze Property Prediction and Image Generation

복잡한 화학 반응으로 인해 도자기 유약 개발은 비용이 많이 들고 시간이 오래 걸리는 시행착오 과정이며, 이는 독립 예술가들에게 상당한 부담을 줍니다. 최근 멀티모달 AI의 발전은 이러한 문제를 해결할 수 있는 현대적인 솔루션을 제공하지만, 이러한 모델을 훈련하기 위해서는 대규모 데이터셋이 부족한 상황입니다. 본 연구에서는 AI 기반 유약 디자인을 위한 최초의 데이터셋인 GlazyBench를 제안합니다. 23,148개의 실제 유약 배합 데이터로 구성된 GlazyBench는 두 가지 주요 작업을 지원합니다. 첫째, 원자재로부터 소성 후 표면 특성(예: 색상, 투명도)을 예측하고, 둘째, 이러한 특성을 기반으로 유약의 정확한 시각적 표현을 생성하는 것입니다. 우리는 전통적인 머신러닝 및 대규모 언어 모델을 사용하여 특성 예측에 대한 포괄적인 기준을 설정하고, 심층 생성 모델 및 대규모 멀티모달 모델을 사용하여 이미지 생성 벤치마크를 구축했습니다. 우리의 실험 결과는 유망하면서도 도전적인 결과를 보여줍니다. GlazyBench는 AI 기반 재료 디자인 분야에서 새로운 연구 방향을 제시하며, 체계적인 평가를 위한 표준화된 벤치마크를 제공합니다.

Developing ceramic glazes is a costly, time-consuming process of trial and error due to complex chemistry, placing a significant burden on independent artists. While recent advances in multimodal AI offer a modern solution, the field lacks the large-scale datasets required to train these models. We propose GlazyBench, the first dataset for AI-assisted glaze design. Comprising 23,148 real glaze formulations, GlazyBench supports two primary tasks: predicting post-firing surface properties, such as color and transparency, from raw materials, and generating accurate visual representations of the glaze based on these properties. We establish comprehensive baselines for property prediction using traditional machine learning and large language models, alongside image generation benchmarks using deep generative and large multimodal models. Our experiments demonstrate promising yet challenging results. GlazyBench pioneers a new research direction in AI-assisted material design, providing a standardized benchmark for systematic evaluation.