Earticle

Formally known as ISO/IEC 23093, Internet of Media Things (IoMT) is an emerging paradigm ensuring interoperability among media-centric applications and services designed and deployed for the interpretation, representation or analysis of multimedia content collected by media devices such as cameras or microphones. Under this framework, the present paper establishes the proof of concept for the automation of IoMT specified Smart Contract generation. The advanced modus operandi enables media devices and their content to be seamlessly protected against payment counterfeiting, malicious control, access, interception and/or redirection. To this aim, a comprehensive architectural and experimental framework is conceived, designed, and demonstrated. While the methodological approach is blockchain agnostic, the experimental results are obtained on a 3-node, EEA (Enterprise Ethereum Alliance)-compliant private blockchain.

We introduce a reference-guided, fully automatic mask generation framework that does not rely on textual prompts or manual annotations. The approach first uses Segment Anything Model (SAM) with automatic mask generation (AMG) to produce multiple mask candidates. Each candidate is then scored against the reference image in the CLIP semantic space. A robust Top-K selection with prior reweighting favors plausible regions and suppresses small, off-center, or abnormal aspect-ratio masks. Finally, morphological closing and Gaussian feathering yield refined hard/soft masks that can be directly consumed by inpainting or blending modules. Experiments on a COCO subset and our in-house images show strong performance on segmentation metrics (IoU, Dice) and perceptual measures (FID, LPIPS, CLIP-Score), while avoiding the cost of manual masks. This enables streamlined asset preparation for metaverse content creation, immersive AR/VR scenes, and large-scale digital twins where zero-interaction mask generation is crucial

Recently, numerous documents have been made available electronically. Internet search engines and digital libraries commonly return query results containing hundreds or even thousands of documents. In this situation, it is virtually impossible for users to examine complete documents to determine whether they might be useful for them. For this reason, some on-line documents are accompanied by a list of keywords specified by the authors in an effort to guide the users by facilitating the filtering process. In this way, a set of keywords is often considered a condensed version of the whole document and therefore plays an important role for document retrieval, Web page retrieval, document clustering, summarization, text mining, and so on. Since many academic journals ask the authors to provide a list of five or six keywords on the first page of an article, keywords are most familiar in the context of journal articles. However, many other types of documents could not benefit from the use of keywords, including Web pages, email messages, news reports, magazine articles, and business papers. Although the potential benefit is large, the implementation itself is the obstacle; manually assigning keywords to all documents is a daunting task, or even impractical in that it is extremely tedious and time-consuming requiring a certain level of domain knowledge. Therefore, it is highly desirable to automate the keyword generation process. There are mainly two approaches to achieving this aim: keyword assignment approach and keyword extraction approach. Both approaches use machine learning methods and require, for training purposes, a set of documents with keywords already attached. In the former approach, there is a given set of vocabulary, and the aim is to match them to the texts. In other words, the keywords assignment approach seeks to select the words from a controlled vocabulary that best describes a document. Although this approach is domain dependent and is not easy to transfer and expand, it can generate implicit keywords that do not appear in a document. On the other hand, in the latter approach, the aim is to extract keywords with respect to their relevance in the text without prior vocabulary. In this approach, automatic keyword generation is treated as a classification task, and keywords are commonly extracted based on supervised learning techniques. Thus, keyword extraction algorithms classify candidate keywords in a document into positive or negative examples. Several systems such as Extractor and Kea were developed using keyword extraction approach. Most indicative words in a document are selected as keywords for that document, and as a result, keywords extraction is limited to terms that appear in the document. Therefore, keywords extraction cannot generate implicit keywords that are not included in a document. According to the experiment results of Turney, about 64% to 90% of keywords assigned by the authors can be found in the full text of an article. Inversely, it also means that 10% to 36% of the keywords assigned by the authors do not appear in the article, which cannot be generated through keyword extraction algorithms. Our preliminary experiment result also shows that 37% of keywords assigned by the authors are not included in the full text. This is the reason why we have decided to adopt the keyword assignment approach. In this paper, we propose a new approach for automatic keyword assignment, namely IVSM (Inverse Vector Space Model). The model is based on a vector space model, which is a conventional information retrieval model that represents documents and queries by vectors in a multidimensional space. IVSM generates an appropriate keyword set for a specific document by measuring the distance between the document and the keyword sets. The keyword assignment process of IVSM is as follows: (1) calculating the vector length of each keyword set based on each keyword weight; (2) preprocessing and parsing a target document that does not have keywords; (3) calculating the vector length of the target document based on the term frequency; (4) measuring the cosine similarity between each keyword set and the target document; and (5) generating keywords that have high similarity scores. Two keyword generation systems were implemented applying IVSM: IVSM system for Web-based community service and stand-alone IVSM system. Firstly, the IVSM system is implemented in a community service for sharing knowledge and opinions on current trends such as fashion, movies, social problems, and health information. The stand-alone IVSM system is dedicated to generating keywords for academic papers, and, indeed, it has been tested through a number of academic papers including those published by the Korean Association of Shipping and Logistics, the Korea Research Academy of Distribution Information, the Korea Logistics Society, the Korea Logistics Research Association, and the Korea Port Economic Association. We measured the performance of IVSM by the number of matches between the IVSM-generated keywords and the author-assigned keywords. According to our experiment, the precisions of IVSM applied to Web-based community service and academic journals were 0.75 and 0.71, respectively. The performance of both systems is much better than that of baseline systems that generate keywords based on simple probability. Also, IVSM shows comparable performance to Extractor that is a representative system of keyword extraction approach developed by Turney. As electronic documents increase, we expect that IVSM proposed in this paper can be applied to many electronic documents in Web-based community and digital library.

현재 존재하는 인공지능 기반 음악 생성에 관한 여러 모델과 연구는 수동 텍스트(Text) 기반 음악 생성에 대해 다루고 있다. 본 논문은 사용자의 편의성을 높이고, 창의적인 음악 생성 과정 을 더욱 원활하게 할 수 있도록 텍스트(TEXT) 프롬프트(Prompt) 자동화를 통한 음악 생성시 스템 방안을 제안한다. 그 방안으로 음원 파일을 통해 수집한 음악 분석 및 데이터화와 가사 정보에서 추출한 키워드를 기반한 장르, 가수, 앨범 등의 정보가 포함된 데이터셋(Dataset)을 구축 후, 파이썬(Python)의 자연어 처리 방법인 Konlpy를 사용하여 가사 데이터를 토큰화하고, TF-IDF(Term Frequency-Inverse Document Frequency) 벡터화를 통해 중요한 단어를 추 출한다. 또한, MFCC, 템포 등의 특징 데이터셋을 통하여 모델을 통한 감정을 예측하고, CNN 모델 및 Chatgpt를 활용한 텍스트 프롬프트를 자동생성하는 방법을 구현하여, MusicGen 모델 을 사용한 자동화 생성 프롬프트 기반 음악을 생성한다. 본 텍스트 프롬프트 자동 생성 화를 통한 음악 생성 연구의 결과는 음악 데이터 분석 및 생성 분야에 기여될 것으로 기대한다.

Current AI-based music generation models and research primarily focus on manual text-based music generation. This paper proposes a music generation system that automates text prompts to enhance user convenience and streamline the creative process. The study involves building a dataset that includes genre, artist, and album information by analyzing and processing music data collected from audio files and extracting keywords from lyrics. The lyrics data are tokenized using the KoNLPy natural language processing library in Python, and key terms are extracted through TF-IDF vectorization. Additionally, the study suggests a method for automatically generating text prompts using MFCC, tempo, and other feature data to predict emotions through a model that combines CNN and ChatGPT. These automatically generated text prompts are then input into the MusicGen model to automatically create new music that reflects the user's emotional state and musical preferences. The findings of this study are expected to contribute to the field of music data analysis and generation.

웹캠을 이용한 온라인 회의 및 수업에서 크로마키 기법을 이용한 콘텐츠 제작은 중요한 기법중의 하나이다. 본 연구에서는 크로마키 배경을 사용하지 않고 배경 합성이 가능한 기술을 제안하였다. 제안하는 방법은 HSI 이미 지 변환 단계, 배경에서 변경된 영역을 감지하는 단계, 배경 영역을 크로마키로 대체하여 적용하는 단계의 3단계로 구성된다. 입력 영상에서 각 프레임의 블록 평균 영상을 계산하고, 배경 영상의 블록 평균 영상과 입력 영상의 블록 평균 영상의 차이를 이용하여 변화 영역을 검출한다. 개발된 크로마키 효과 기술은 하나의 카메라에서 물체 가 없는 배경 이미지를 획득하고 움직이는 물체와 배경을 구분하여 물체만 추출하는 기술을 사용하였다. 실험결과, 제안한 방법은 배경색이 다양한 경우에도 처리가 가능할 뿐만 아니라 물체의 경계선을 매끄럽게 처리할 수 있어서 현장에서 쉽게 적용할 수 있을 것으로 기대할 수 있다.

In online meetings and classes using webcams, the chromakey technique is a very necessary part to produce content. We proposed a technology that enables background synthesis without using a cloth for chromakey. The proposed method consists of three steps: an HSI image conversion step, a step of detecting a region changed from a background, and a step of replacing the background region with a chromakey and applying it. In the input video, the block average image of each frame is calculated, and the difference between the block average image of the background image and the block average image of the input image is used to detect the change area. The developed chromakey effect technology uses a technique of acquiring a background image without an object from a single camera and extracting only an object by distinguishing the moving object and the background. The proposed method is not only capable of processing even if the background has a variety of colors, but also has the seamless processing of the boundary lines of objects.

A story generation task is to develop a system that can continuously generate natural, consistent, and coherent stories for consecutive scenes. Recently transformer-based language models have shown considerable results at the sentence-level generation for learning human-writing ability. However, it is very crucial to understand the way of developing the story using a combination of various contents. Recent works have mainly focused on human-guided AI story generation methods in which humans as guidance determine the next storyline, and the system creates a story that reflects the storyline well. This study focuses on the way of replacing the human role with the AI-based model. Based on this, this study deals with the methodology for creating a long story spanning multiple scenes rather than creating a story at the level of one scene. In this regard, we propose a novel AI-guided story generation framework with automatic storyline generator. It is a pipeline structure consisting of two modules such as a storyline generator and a story generator, which enables the continuous creation of coherent stories. Particularly, we transform the storyline generation problem into a multiple-choice QA problem to predict the next storyline. This study shows the possibility of generating continuous stories for multiple scenes without any human intervention.

The genetic algorithm (GA), one of the artificial intelligence (AI), is developed based on Darwin's theory of evolution, i.e., the mating of randomly selected objects. If more optimal solution is generated, then it is better to repeat the process of setting the optimum value. In this paper, the method of background music using the genetic algorithm is exploited when the computer game is executed each time. As a result, it has created several music that can be used in the actual game, and it could be confirmed that the other music that is created is different music when performed each time.

본 논문에서는 그림검사 분석에 대한 신뢰도 확보와 미술치료사의 업무량 감소를 위해 풍경구성기법의 그림 평가지표로부터 자연언어로 작성된 평가보고서를 자동 생성하는 시스템을 제시한다. 본 시스템을 위해 풍경구성기법의 평가지표 구성, 해석지표 지식베이스 구축, 자연언어 처리를 통한 감정분석 및 자연스러운 문장을 생성하였다. 본 시스템을 통해 도출한 결과는 다음과 같다. 첫째, 문헌과 연구결과를 바탕으로 한 지식베이스 구축으로 동일한 그림에 대해 동일한 해석을 제시하여 그림검사에 대한 객관성 문제를 해결하였다. 둘째, 그림검사에 대한 평가보고서를 자동으로 생성하여 치료사의 업무량을 감소시킬 수 있었다. 셋째, 전문가시스템을 통한 그림분석으로 데이터 축적이 가능하다. 본 연구에서 제시한 평가보고서와 전문가가 직접 분석한 평가보고서를 비교하여 평가한 결과 전문가시스템이 사람전문가보다 각 요소에 대해 더욱 다양하게 분석하는 것으로 나타났다. 이러한 결과는 풍경구성기법 그림평가보고서 자동생성시스템을 통해 미술치료사들의 업무량 감소에 더불어 그림검사 분석에 대한 객관성을 보장하고 대량의 정보축적을 통해 그림검사 분석에 대한 신뢰도 확보의 가능성을 시사한다.

This study proposes a system that automatically generates assessment reports scripted by natural language from the drawing evaluation index of the landscape montage technique. For this system, we configured an evaluation index for assessing drawings that use the landscape montage technique, built up a knowledge base for indicators, analyzed the client’s emotions through natural language processing, and generated spontaneous sentences. The contribution of this study is as follows. First, a great quantity of data was cumulated by using the system. Second, objectivity about the drawing assessment was resolved by building a knowledge based on the recent research paper and book. Third, as the system automatically generates assessment reports for the drawing assessment, therapist’s workload can be dramatically reduced. In this study, an assessment report automatically generated by the system is compared to an expert’s report. The results of the comparison show that the system-generated assessment report demonstrates a higher number of objectivity on the suggests that the system can accumulate a great number of information and provide credibility for drawing evaluation index of the landscape montage technique.

인공지능 기술의 발전은 인간의 창의성이 요구되는 예술분야에서도 두각을 나타내고 있다. 별도의 지식 없이도 대량 의 음악 데이터 학습을 통해 자동으로 음악을 작곡하거나 청취자의 취향 혹은 상황에 맞는 음악을 추천한다. 기존 선행 연구들은 듣기 좋은 음악을 자동으로 생성하는 방법을 제시했다면 본 논문은 웹드라마에서 사용하기 위해 인간 의 감정 표현 및 스토리 흐름에 맞는 음원을 생성하는 방안을 제안한다. 영화 사전 제작 단계에서 시나리오가 작성 된 이후 청각적인 요소(음향, 음악 등)들을 적재적소에 배치하기 위해 작성하는 시각적인 음향 연출 지도를 활용하 여 웹 드라마 대본을 분석하고, 인공지능 작곡 모델 Magenta 모델을 통해 웹드라마 스토리의 흐름과 분위기에 적 합한 음원을 자동으로 생성하는 것을 기술한다. 본 논문을 통해 인공지능 기술이 웹 드라마 및 디지털 문화 콘텐츠 에 활용되는 음원 창작 전반적인 과정에 참여해 제작 시간 및 비용, 저작권 등에 구애 받지 않으며 인간의 창의성과 융합하여 다양한 장르의 음원을 창작하는 활동이 활발하게 이루어지기를 기대한다.

The development of artificial intelligence(AI) technology is also standing out in the field of art that requires human creativity. It automatically composes or recommends music that suits the listener’s taste or situation by learning large amount of music data without any additional knowledge. In previous studies, a method of automatically generating music that is pleasant to listen was suggested. On the other hand, this paper proposes a method of creating a sound source suitable for human emotion expression and story flow to use it in web dramas.The web drama script is analyzed by making use of visual sound production map, which is organized after the scenario had written in the pre-production stage of the movie and it is for placing the auditory elements (sound, music, etc.) in the right place. In addition, it describes the automatic sound source generation that is appropriate for the flow and atmosphere of the web drama through ‘Magenta’, the AI composition model. Consequently, through this study, it is expected that the engagement of AI technique in overall process of web drama and other digital culture contents leads active musical creation in various music genres by fusion with human creativity without regard to time, cost, copyright, etc.

We present a legorization framework that produces a LEGO model from a voxel model. Unlike other frameworks, we include bricks whose height is more than one layer. Furthermore, we devise a two-colored graph that represents the adjacency and stability information of a LEGO model. Our legorization is composed of tiling process on each layer, which is implemented using a heuristic search algorithm. We legorize five models including characters and buildings to prove the excellence of out framework

빈칸 채우기 문제는 학생들이 학습 내용을 제대로 이해했는지 확인하기 위해 널리 사용되어 왔다. 이런 유형의 문제를 컴퓨터 알고리즘에 의해 자동으로 생성하는 많은 방법들이 제안되어 왔지만, 대부분 어떤 부분을 빈칸으로 만들면 좋을지에 대해 집중했기 때문에 적절한 보기를 자동으로 생성하는 연구는 미흡했다. 본 논문에서는 빈칸이 주어졌다고 가정하고, 이에 어울리는 보기를 자동 생성하는 알고리즘을 제안한다. 본 알고리즘은 통계 언어 모델에 기반하여 보기를 생성하기 때문에, 사람이 생성하는 경우보다 출제자에 편향되지 않은 보기를 제공할 수 있다. 또, 확률값에 기반하여 난이도를 자동으로 조절하는 것이 가능하기 때문에, 직접 사람이 문제를 만드는 것에 비해 상당한 비용 절감 효과가 있다. TEPS 문법, 어휘 시험에 대해 적용하여 실험한 결과, 사람과 유사한 결과를 생성함을 확인하였다. 향후 스마트 교육 분야에서 높은 활용도를 보일 것으로 기대한다.

A fill-in-the-blank with choices are widely used in classrooms in order to check whether students’ understand what is being taught. Although there have been proposed many algorithms for generating this type of questions, most of them focus on preparing sentences with blanks rather than generating multiple choices. In this paper, we propose a novel algorithm for generating multiple choices, given a sentence with a blank. Because the algorithm is based on a statistical language model, we can generate relatively unbiased result and adjust the level of difficulty with ease. The experimental results show that our approach automatically produces similar multiple-choices to those of the exam writers.

스마트 홈 시스템의 자동화 제어 시스템기술과 전자기기들은 사용자의 정보를 바탕으로 맞춤형 서비스를 가능하게한다. 스마트 홈은 사용자를 위해 가전제품들을 결합하여 서비스를 제공한다. 사람은 상황과 다양한 조건에 따라 목표를 달성하기 위한 행동을 결정한다. 본 논문에서는 온톨로지와 사례기반 추론, 계층적 업무 네트워크 계획(HTN Planning)을 사용하여 사람의 결정을 할 때의 생각과 같은 방법으로 스마트 홈 시스템의 효과적인 운영을 위한 방법을 제안한다. 본 논문에서는 TV시청 모드, 편안함 모드, 휴식 모드의 3가지 시나리오를 실험에 사용하였다. 3가지 시나리오를 활용한 실험에서는 상황을 인지하고 구성하기 위한 온톨로지, 업무의 범위와 운영을 위한 유사한 사례를 찾기 위한 사례기반 추론, 마지막으로 사용자의 요구사항과 정보를 위한 효율적인 계층적 업무 네트워크 계획결과를 제공한다.

It is possible to automate the operation of a smart home system with the help of technologies and equipment that provide customized services based on the person’s information. Smart home provides services by combining home appliances which are configured for a user. A person determines the actions that need to be taken in order to meet a goal based on the context, situation and various conditions. In this paper, using Ontology, Case-based Reasoning, HTN (Hierarchical task network) Planning, we propose a process to deliver results for the effective operation of smart home domains which is similar to human thinking. We have three scenarios: Watching TV mode, Comfortable mode and Rest mode. The results of the scenarios include ontology which helps recognizing the context, Case-based Reasoning which finds order and scope in tasks and HTN planning which provides effective result for user’s requirements and information

본 연구는 웹 브라우저에서 실행되는 웹 UI의 동적 테스트를 위한 노코드(no-code) 기반 테스트케이스 및 시나리오 자동 생성 기법을 제안한다. 기존의 스크립트 작성이나 녹화 방식과 달리, 본 기법은 웹 브라우저에서 발생하는 이벤트를 감 지하여 관련 데이터를 자동으로 수집하고, 이를 기반으로 테스트케이스와 시나리오를 생성한다. 제안된 기법의 검증을 위해 자동 생성된 테스트케이스를 사용하여 재테스트를 실행한 결과, 수집 당시 테스트를 동일하게 재현할 수 있었으며 실행 결과 의 정확성도 확인되었다. 본 연구는 사람이 별도의 사전 작업 없이 동적 테스트를 자동 수행할 수 있는 가능성을 제시하며, 향 후 복잡한 사용자 인터랙션 처리영역까지 확장하여 복잡한 업무단위까지 확장할 수 있을 것이라 기대된다.

This research proposes a no-code-based test case and scenario generation technique for dynamic testing of web UIs running in a web browser. Unlike traditional scripting or recording methods, this method detects events occurring in a web browser, automatically collects relevant data, and generates test cases and scenarios based on them. To validate the proposed method, we ran retests using the automatically generated test cases and found that we were able to reproduce the same tests as when they were collected, and the accuracy of the execution results was confirmed. This study shows the possibility of automatically performing dynamic testing without any prior human intervention, and it is expected that it can be extended to complex user interaction processing areas and complex business units in the future.

딥러닝 기반 의료 영상 판독 소견서 생성 연구는 최근 몇 년간 의료 영상 분석 분야에서 중요한 발전을 이루었으며, 주로 비전 모델과 언어 모델의 융합에 초점을 맞춰왔다. 이러한 연구는 의료 전문가들의 업무 효율성을 높이고, 진 단의 일관성을 향상시키며 오류를 줄이는 데 기여할 것으로 기대된다. 본 논문에서는 자연어 처리 기술과 의료 영상 분석 기술의 융합을 통해 흉부 방사선 영상에 대한 판독 소견서를 자동으로 생성하는 최근 연구들을 소개하고, 이를 위한 주요 딥러닝 모델과 공용 데이터셋인 MIMIC-CXR 및 IU-Xray를 활용하여 성능 비교를 수행하였다. 성능 분석 결과, MIMIC-CXR 데이터셋에서는 RGRG 모델이 BLEU-4에서 0.126의 점수로 우수한 성능을 보였으며, IU-Xray 데이터셋에서는 COMG 모델이 BLEU-4에서 0.206을 기록하였다. 연구 결과, 각 모델이 특정 지표에서 강점을 보이는 반면, 데이터 불균형 및 개인정보 보호 문제와 같은 한계가 존재함을 확인하였다. 이를 바탕으로 향 후 연구의 발전 방향을 제시하며, 이러한 기술이 임상 현장에서 실질적으로 적용될 수 있는 가능성을 논의한다.

Research on deep learning-based automatic generation of radiology reports has seen significant advancements in recent years, with a primary focus on the integration of vision and language models. These advancements are expected to enhance the efficiency of medical professionals, improve diagnostic consistency, and reduce errors. In this paper, we introduce recent studies that combine natural language processing and medical image analysis techniques to automatically generate radiology reports for chest X-rays. Using key deep learning models and public datasets, including MIMIC-CXR and IU-Xray, we conducted a comparative performance evaluation. The analysis shows that on the MIMIC-CXR dataset, the RGRG model achieved superior performance with a BLEU-4 score of 0.126, while on the IU-Xray dataset, the COMG model recorded a BLEU-4 score of 0.206. Our findings reveal that while each model excels in specific evaluation metrics, limitations such as data imbalance and privacy concerns persist. Based on these findings, we propose future research directions and discuss the potential for these technologies to be practically applied in clinical settings.

WWW의 확산과 함께 온라인 쇼핑몰 사용자들에게 상품 정보를 수집하고 제공하는 비교 쇼핑 에이전트들의 필요성도 증가하고 있다. 그러나, 웹사이트들은 대부분 그들 자신의 데이터 표현 포맷을 가지므로, 각 웹사이트별로 다른 wrapper가 작성되어야 한다. Wrapper는 특정한 포맷으로 쓰여진 웹페이지들로부터 정보를 추출하는 특수 목적의 프로그램이다. 본 논문에서는 효율적인 wrapper 작성을 위해서 주어진 URL로부터 자동적으로 wrapper를 생성하는데 사용되는 핵심 정보를 추출하는 에이전트를 제안한다.

최근 생성형 인공지능의 발전은 학술 콘텐츠 생성 방식에 큰 변화를 가져오고 있으며, 특히 논문 작성 자동화에 대한 수요가 증가하고 있다. 본 연구는 논문작성 템플릿을 기반으로 생성형 인공지능(ChatGPT, Gemini, Copilot) 을 활용하여 자동 논문 생성 시스템을 설계하고 성능을 비교하였다. 연구는 템플릿 기반 구조를 정의하고, 각 AI 모델에 동일한 프롬프트를 입력하여 결과물을 도출한 후 속도, 정확도, 인식율(F1 Score), 사용자 평점 등 다양한 지표로 성능을 분석하였다. 실험 결과, 각 모델은 고유한 특성과 성능 차이를 보였으며, 템플릿 기반 접근 방식은 일관된 구조와 품질 향상에 기여하였다. 본 연구는 학술 콘텐츠 자동화의 효율성을 높이고, 연구자들이 보다 창의적인 작업에 집중할 수 있는 기반을 제공할 수 있다. 향후 다양한 분야에 적용 가능한 템플릿 확장 및 사용자 맞춤형 생성 기능 개발이 기대된다.

Recently, the advancement of generative AI has significantly transformed academic content creation, especially increasing the demand for automated paper writing. This study designs a template-based automatic paper generation system using generative AI models (ChatGPT, Gemini, Copilot) and compares their performance. The research defines a structured template, inputs identical prompts into each AI model, and analyzes the results based on speed, accuracy, F1 Score, and user ratings. Experimental results show distinct characteristics and performance differences among the models, and the template-based approach contributes to consistent structure and improved quality. This study enhances the efficiency of academic content automation and provides a foundation for researchers to focus on more creative tasks. Future work includes expanding templates for various fields and developing personalized generation features.