참조에서 시작하세요.
당신만의 것으로 만드세요.

참조를 업로드하세요. SciFig Reference-to-Figure가 그 디자인 DNA를 물려받아 본인의 콘텐츠에 적용합니다.

• 스타일이지 주제가 아닙니다: 참조의 콘텐츠를 복제하지 않습니다. 팔레트, 선 두께, 타이포그래피를 학습한 뒤 — 본인의 원본 도형에 적용합니다.
• 두 가지 활용법: 직접 디자인할 수 없는 타깃 저널 스타일을 맞추거나, 본인의 논문·슬라이드·포스터 전체에 일관된 룩을 고정하세요.
• 편집 가능한 출력: 결과는 빌려온 스타일을 갖춘 깔끔한 도형이며, 본인의 라벨·화살표·분자에 대한 편집 기능을 모두 사용할 수 있습니다.

디자인하지 마세요. 참조하세요.

• 검증된 스타일 빌리기: 타깃 저널의 도형 템플릿, 받아 든 스타일 가이드, 본인이 만든 가장 좋은 과거 도형을 업로드하세요. SciFig Reference-to-Figure가 그 팔레트, 선 두께, 타이포그래피를 추출합니다.
• 색채 이론 추측 끝: Adobe 컬러 휠을 빙빙 돌릴 필요 없습니다. 참조의 색은 이미 같은 문제를 푼 누군가가 사전 조화시켜 둔 결과입니다.
• 원클릭 적용: Illustrator도, "디자인을 배우는" 과정도 없습니다. 참조를 고르고 적용을 누르세요 — 모든 패널이 자동으로 그 룩을 물려받습니다.

참조 하나를 업로드하세요. 새로 생성되는 모든 도형이 같은 DNA를 — 자동으로 — 물려받습니다.

• 시리즈 단위 일관성: 10패널 도형, 방법 모식도, 그래픽 초록, 학회 포스터 모두 같은 팔레트, 선 두께, 타이포그래피를 공유합니다. 더 이상 "이 도형들이 같은 논문 같지 않다"는 평을 듣지 않습니다.
• 참조 하나, 모든 출력: 첫 완성 도형을 참조로 업로드하면 이후 모든 도형이 자동으로 일치합니다. 도형마다 따로 설정하거나 색을 일일이 고를 필요가 없습니다.
• 논문만이 아니라 모든 포맷: 같은 참조가 슬라이드 덱, 포스터, 그랜트 도형에도 적용됩니다 — 프로젝트 전체에 하나의 룩이지, 다섯 개가 아닙니다.

네. 프리셋을 고르거나 본인의 무드보드를 업로드하세요.

• 큐레이트된 프리셋: 모란디, 에디토리얼, 임상, 모노크롬, 파스텔, 네온 — 한 번의 클릭으로 출판 수준 팔레트가 적용됩니다.
• 본인의 무드보드 업로드: Pinterest 스크린샷, 교과서 펼침면, 랩 브랜딩을 붙여 넣으세요. SciFig가 자동으로 팔레트를 추출합니다.
• 일관되게 적용: 선택한 팔레트는 도형의 모든 패널에 걸쳐 유지되어, 논문이 산만하지 않고 통일감 있게 보입니다.

네. Reference-to-Figure 결과물의 모든 요소는 스타일 전이 이후에도 편집 가능한 상태로 남습니다.

• 클릭하여 수정: 색이 살짝 어긋나 보이나요? 인쇄에 비해 팔레트가 너무 진한가요? 캔버스에서 어떤 요소든 클릭해 — 개별 색상, 선 두께, 타이포그래피를 — 조정하세요.
• 다른 참조로 재적용: 첫 결과가 마음에 들지 않으면 다른 참조를 넣고 재적용하세요 — 콘텐츠는 유지하고 미감만 바꿉니다.

찰칵 찍으세요. 우리가 정리해 드립니다.

• Sketch-to-Figure 사용: 손그림 다이어그램에는 전용 모드가 있습니다 — 전체 워크플로는 `/sketch-to-figure`를 참조하세요.
• 어떤 각도의 사진이든: 휴대폰 사진이면 충분합니다. SciFig가 원근을 보정하고, 종이 질감을 제거하고, 깔끔한 벡터로 다시 그립니다.
• 손글씨가 타이포그래피로: 지저분한 라벨이 자동으로 깔끔한 저널 수준 텍스트가 됩니다.

종이, 데크 또는 포스터에 대한 참조 그림 출력에 필요한 모든 형식입니다.

• 직접 내보내기: PNG(저널 제출에 권장), JPG(공유 또는 이메일을 위한 작은 파일) 및 PPTX(그림이 포함된 16:9 PowerPoint 슬라이드 - 데크에 바로 드롭).
• 계층 편집을 위한 벡터화: Vector Canvas에서 결과를 열고 벡터화를 실행합니다. 한 번의 패스로 깨끗한 SVG(Illustrator, Inkscape, Figma 또는 Affinity에서 열림)와 모든 요소가 별도로 선택 가능한 PowerPoint 개체인 편집 가능한 모양 PPTX를 생성합니다.
• 해상도: PNG/JPG ~ 8K — 표준 저널 열 너비에서 300DPI를 지웁니다.

네. 본인의 스타일 참조 — 저널 템플릿, 본인의 과거 도형, 랩 브랜딩 — 는 기밀로 유지됩니다.

• 절대 학습 데이터로 쓰지 않습니다: 참조 업로드는 오직 스타일 추출만을 위해 처리됩니다. 모델 학습에 투입되지 않습니다.
• 스타일은 추출되고, 참조는 보관되지 않습니다: 우리는 수치화된 스타일 파라미터(팔레트 값, 선 두께, 폰트 패밀리)를 추출하고 처리 후 참조 이미지를 폐기합니다. 사본을 보관하지 않습니다.
• 삭제는 본인 권한: 업로드한 참조는 언제든 서버에서 제거할 수 있습니다 — 보존 없음.