diagram-pipeline.png	다이어그램: 전체 파이프라인 순서	STEP 0~9 순서, 단계별 담당 모델(색), 재시도 경로(점선)를 한 장에 그렸습니다.
diagram-pose.png	다이어그램: 자세 생성·검사 판단 분기	단색 칸 → 틈 → Jev(튐·눈) → 정면 대칭 검사와 탈락 시 재시도·최선 채택 흐름입니다.
diagram-acc.png	다이어그램: 악세사리 2단 판정 분기	Jev 점수 0.45 기준 1차 판정, GPT-5.4-mini 2차 판정, 이름을 넣은 재생성 흐름입니다.
diagram-eye.png	다이어그램: 눈 칸 보정 판단 분기	Jev box로 눈 위치를 찾고 코드가 칸 수를 정하는 흐름입니다.
corgi-1-sheet-crops.png	코기: 레퍼런스 시트와 자세별 크롭	GPT 이미지 모델이 만든 5자세 실사 시트(1536×1024)에 코드가 찾은 자세 영역(파란 상자)과 자세별 격자 크기를 표시했습니다. 아래 줄은 같은 척도로 자른 결과입니다.
corgi-2-canvas-io.png	코기: 정면 캔버스 입력과 GPT 출력	GPT 이미지 모델에 넣은 캔버스와 출력입니다. 회색 상자는 예시와 빈칸, 파란 상자는 이 펫의 사진, 초록 상자는 GPT가 채운 영역입니다.
corgi-3-extract.png	코기: 격자 → 스프라이트 → Jev 입력	GPT 격자를 코드가 칸 단위로 확정한 뒤 Jev에 넣는 두 이미지입니다. 주황 상자는 Jev 얼굴 크롭 영역, 빨간 칸은 테두리 틈, 하늘색 칸은 눈 보정 칸입니다.
corgi-4-poses.png	코기: 최종 5자세	자세별 최종 스프라이트와 시도 횟수입니다.
corgi-5-anim.png	코기: 애니메이션 6종 프레임	PixelLab이 만든 모션별 프레임을 가로로 이어 붙인 스트립입니다.
papillon-1-sheet-crops.png	파피용: 레퍼런스 시트와 자세별 크롭	GPT 이미지 모델이 만든 5자세 실사 시트(1536×1024)에 코드가 찾은 자세 영역(파란 상자)과 자세별 격자 크기를 표시했습니다. 아래 줄은 같은 척도로 자른 결과입니다.
papillon-2-canvas-io.png	파피용: 정면 캔버스 입력과 GPT 출력	GPT 이미지 모델에 넣은 캔버스와 출력입니다. 회색 상자는 예시와 빈칸, 파란 상자는 이 펫의 사진, 초록 상자는 GPT가 채운 영역입니다.
papillon-3-extract.png	파피용: 격자 → 스프라이트 → Jev 입력	GPT 격자를 코드가 칸 단위로 확정한 뒤 Jev에 넣는 두 이미지입니다. 주황 상자는 Jev 얼굴 크롭 영역, 빨간 칸은 테두리 틈, 하늘색 칸은 눈 보정 칸입니다.
papillon-4-poses.png	파피용: 최종 5자세	자세별 최종 스프라이트와 시도 횟수입니다.
papillon-5-anim.png	파피용: 애니메이션 6종 프레임	PixelLab이 만든 모션별 프레임을 가로로 이어 붙인 스트립입니다.
shiba-1-sheet-crops.png	시바견: 레퍼런스 시트와 자세별 크롭	GPT 이미지 모델이 만든 5자세 실사 시트(1536×1024)에 코드가 찾은 자세 영역(파란 상자)과 자세별 격자 크기를 표시했습니다. 아래 줄은 같은 척도로 자른 결과입니다.
shiba-2-canvas-io.png	시바견: 정면 캔버스 입력과 GPT 출력	GPT 이미지 모델에 넣은 캔버스와 출력입니다. 회색 상자는 예시와 빈칸, 파란 상자는 이 펫의 사진, 초록 상자는 GPT가 채운 영역입니다.
shiba-3-extract.png	시바견: 격자 → 스프라이트 → Jev 입력	GPT 격자를 코드가 칸 단위로 확정한 뒤 Jev에 넣는 두 이미지입니다. 주황 상자는 Jev 얼굴 크롭 영역, 빨간 칸은 테두리 틈, 하늘색 칸은 눈 보정 칸입니다.
shiba-4-poses.png	시바견: 최종 5자세	자세별 최종 스프라이트와 시도 횟수입니다.
shiba-5-anim.png	시바견: 애니메이션 6종 프레임	PixelLab이 만든 모션별 프레임을 가로로 이어 붙인 스트립입니다.
sheltie-1-sheet-crops.png	셰틀랜드 쉽독: 레퍼런스 시트와 자세별 크롭	GPT 이미지 모델이 만든 5자세 실사 시트(1536×1024)에 코드가 찾은 자세 영역(파란 상자)과 자세별 격자 크기를 표시했습니다. 아래 줄은 같은 척도로 자른 결과입니다.
sheltie-2-canvas-io.png	셰틀랜드 쉽독: 정면 캔버스 입력과 GPT 출력	GPT 이미지 모델에 넣은 캔버스와 출력입니다. 회색 상자는 예시와 빈칸, 파란 상자는 이 펫의 사진, 초록 상자는 GPT가 채운 영역입니다.
sheltie-3-extract.png	셰틀랜드 쉽독: 격자 → 스프라이트 → Jev 입력	GPT 격자를 코드가 칸 단위로 확정한 뒤 Jev에 넣는 두 이미지입니다. 주황 상자는 Jev 얼굴 크롭 영역, 빨간 칸은 테두리 틈, 하늘색 칸은 눈 보정 칸입니다.
sheltie-4-poses.png	셰틀랜드 쉽독: 최종 5자세	자세별 최종 스프라이트와 시도 횟수입니다.
sheltie-5-anim.png	셰틀랜드 쉽독: 애니메이션 6종 프레임	PixelLab이 만든 모션별 프레임을 가로로 이어 붙인 스트립입니다.
puppy-1-sheet-crops.png	갈색 강아지: 레퍼런스 시트와 자세별 크롭	GPT 이미지 모델이 만든 5자세 실사 시트(1536×1024)에 코드가 찾은 자세 영역(파란 상자)과 자세별 격자 크기를 표시했습니다. 아래 줄은 같은 척도로 자른 결과입니다.
puppy-2-canvas-io.png	갈색 강아지: 정면 캔버스 입력과 GPT 출력	GPT 이미지 모델에 넣은 캔버스와 출력입니다. 회색 상자는 예시와 빈칸, 파란 상자는 이 펫의 사진, 초록 상자는 GPT가 채운 영역입니다.
puppy-3-extract.png	갈색 강아지: 격자 → 스프라이트 → Jev 입력	GPT 격자를 코드가 칸 단위로 확정한 뒤 Jev에 넣는 두 이미지입니다. 주황 상자는 Jev 얼굴 크롭 영역, 빨간 칸은 테두리 틈, 하늘색 칸은 눈 보정 칸입니다.
puppy-4-poses.png	갈색 강아지: 최종 5자세	자세별 최종 스프라이트와 시도 횟수입니다.
puppy-5-anim.png	갈색 강아지: 애니메이션 6종 프레임	PixelLab이 만든 모션별 프레임을 가로로 이어 붙인 스트립입니다.
fig-fake-vs-real.png	가짜 픽셀 대 진짜 픽셀	같은 코기 정면의 얼굴 부분을 확대한 비교입니다.
fig-retry-example.png	재시도 예시	들린 자세가 1번째(단색 칸 89%)와 2번째(Jev 눈 0.38)에서 탈락하고 3번째에 통과한 기록입니다.
fig-eyefix-example.png	눈 칸 보정 전후	눈 보정 전후 얼굴 부분 확대입니다.
fig-overview-4pets.png	실행 5건 요약	다섯 마리의 입력 사진, 레퍼런스 시트, 최종 5자세를 한 장에 모았습니다.