COMPASS는 장면 구성(composition) 의도를 인식하고 이를 제어 가능한 생성으로 연결하는 최초의 통합 멀티모달 프레임워크다. 현재 통합 모델이 세밀한 구성 인식에 취약하고 그 의도를 생성으로 옮기지 못하는 한계를 겨냥해, 공유 전문가 토큰 τ_c를 중심 의도 앵커로 삼는다. 인식 측면에서는 MoE 백본에 최소 침습 방식으로 구성 전문성을 주입하고 추론된 의도를 τ_c로 증류하며, 생성 측면에서는 이 τ_c를 전역 조건 신호로 재사용해 디노이징 궤적을 조종함으로써 수동적 구성 분석을 명시적 레이아웃 제어로 전환한다. 대규모 학습·평가를 위해 11클래스 분류체계와 추론 증강 어노테이션을 갖춘 Comp-11 데이터셋을 구축했다. 실험에서 범주 수준 구성 이해가 크게 향상되고 강한 베이스라인보다 구성 일관성·프롬프트 충실성이 높은 생성을 보였다.

• •구성 인식과 구성 기반 생성을 단일 시스템에 통합한 최초 프레임워크 COMPASS
• •공유 전문가 토큰 τ_c를 의도 앵커로 사용, 인식과 생성을 연결
• •MoE 백본에 최소 침습 구성 전문성 주입, τ_c로 디노이징 궁적 조종
• •11클래스 분류체계의 Comp-11 데이터셋 구축, 구성 일관·프롬프트 충실 생성 향상