[論文レビュー] SCHEMA for Gemini 3 Pro Image: A Structured Methodology for Controlled AI Image Generation on Google's Native Multimodal Model

Cazzaniga, Luca|arXiv (Cornell University)|Feb 21, 2026

Data Visualization and Analytics被引用数 0

ひとこと要約

SCHEMAは、Gemini 3 Pro Image向けのモジュール型7ラベル核を備えた3層構造（BASE、MEDIO、AVANZATO）の構造化プロンプトフレームワークで、失敗経路決定ツリーと複数ドメインにわたる実務家検証済みの性能証拠を含む。

ABSTRACT

This paper presents SCHEMA (Structured Components for Harmonized Engineered Modular Architecture), a structured prompt engineering methodology specifically developed for Google Gemini 3 Pro Image. Unlike generic prompt guidelines or model-agnostic tips, SCHEMA is an engineered framework built on systematic professional practice encompassing 850 verified API predictions within an estimated corpus of approximately 4,800 generated images, spanning six professional domains: real estate photography, commercial product photography, editorial content, storyboards, commercial campaigns, and information design. The methodology introduces a three-tier progressive system (BASE, MEDIO, AVANZATO) that scales practitioner control from exploratory (approximately 5%) to directive (approximately 95%), a modular label architecture with 7 core and 5 optional structured components, a decision tree with explicit routing rules to alternative tools, and systematically documented model limitations with corresponding workarounds. Key findings include an observed 91% Mandatory compliance rate and 94% Prohibitions compliance rate across 621 structured prompts, a comparative batch consistency test demonstrating substantially higher inter-generation coherence for structured prompts, independent practitioner validation (n=40), and a dedicated Information Design validation demonstrating >95% first-generation compliance for spatial and typographical control across approximately 300 publicly verifiable infographics. Previously published on Zenodo (doi:10.5281/zenodo.18721380).

研究の動機と目的

• Gemini 3 Pro Imageのための汎用的なプロンプトガイドラインと本番品質ニーズのギャップに対処する。
• 進化的制御レベルを持つ構造化・モジュール型プロンプトフレームワークを開発する。
• モデルの制約と明示的な失敗経路を他ツールへ提供する。
• 複数の専門領域でプロンプトの有効性を実証的に検証する。
• 高い空間的・組版的制御を伴う情報デザイン機能を実証する。

提案手法

• 3層の進化構造（BASE、MEDIO、AVANZATO）を ~5% から ~95% までの制御へマッピング。
• モジュラープロンプトの7つのコアラベルと5つのオプションラベル。
• 客観的に検証可能な仕様（例：HEXカラー、Kelvin温度）で定義された必須事項と禁止事項の制約。
• Geminiが適さない場合に他ツールへ誘導する3つのルーティング出口を含む7つの質問からなる意思決定ツリーの統合。
• 複雑なシーンを強化するためのAVANZATOレベルで利用可能なThinking Mode、Reference Images、Groundingといった横断機能。
• 現実の本番コンテキストでの850件の検証済みAPI予測と約4,800件の生成画像からの経験データを収集。

実験結果

リサーチクエスチョン

• RQ1 モデル固有の実務家検証済み構造化プロンプトフレームワークはGemini 3 Pro Imageの出力の一貫性と適合性を向上させるか。
• RQ2 3層の進化的制御アプローチはバッチ整合性と納品信頼性に有意な向上を生むか。
• RQ3 制約ベース（必須/禁止）プロンプトは専門的な画像生成において純粋に記述的なプロンプトと比べてどうなるか。
• RQ4 Gemini 3 Pro Imageのモデルの限界は何か、明示的な失敗経路は影響を軽減できるか。
• RQ5 情報デザイン（空間レイアウトとタイポグラフィ）はこのフレームワークの構造化プロンプトで安定して達成可能か。

主な発見

• 必須遵守はドメイン全体で91%、禁止遵守は94%で、禁止の方が必須よりも優れていることが多い。
• SCHEMA AVANZATOプロンプトは、同等の非構造化プロンプトよりもバッチテストではるかに高い生成間の一貫性を示す。
• 独立した実務家検証（n=40）はBASEからAVANZATOへの進化的制御のスケーリングを確認。
• 情報デザインの検証では、空間的および組版的制御の初回生成遵守率が95%超のものが約300の公開可能なインフォグラフィックで示された。
• 比較分析により、本番スケールでのモデル固有の実務家検証、進化的制御、制約ベースの仕様、統合的な失敗ルーティングを組み合わせた既存のフレームワークは存在しないことがわかった。