사용자 의도와 생성된 시각 콘텐츠 간의 정밀한 일치를 달성하는 것은 텍스트-시각 생성 분야에서 여전히 핵심적인 과제로 남아 있으며, 단일 시도로는 종종 원하는 출력을 얻기 어렵다. 이를 해결하기 위해 기존의 접근 방식은 주로 시각 생성 과정을 확장하는 방식(예: 샘플링 단계 또는 시드 수 증가)을 활용하지만, 이는 곧 품질의 포화 상태에 이를 수 있다. 이러한 제한은 생성을 안내하는 데 핵심적인 역할을 하는 프롬프트를 고정된 상태로 유지하기 때문에 발생한다. 이를 해결하기 위해 우리는 추론 시점에서의 확장에 적합한 프롬프트 재설계 프레임워크인 PRIS(PROMPT REDESIGN FOR INFERENCE-TIME SCALING)를 제안한다. PRIS의 핵심 아이디어는 확장된 시각 생성 결과를 검토하고, 여러 생성물 간에 반복되는 실패 패턴을 식별한 후, 이를 바탕으로 프롬프트를 재설계한 뒤 수정된 프롬프트를 사용해 다시 시각 콘텐츠를 생성하는 것이다. 프롬프트 재설계를 위한 정밀한 피드백을 제공하기 위해, 우리는 새로운 검증기인 '요소 수준의 사실적 보정(Element-level Factual Correction)'을 도입한다. 이 검증기는 프롬프트의 속성과 생성된 시각 콘텐츠 간의 일치를 세부적인 수준에서 평가함으로써, 전반적인 측정 방식보다 더 정확하고 해석 가능한 평가를 가능하게 한다. 텍스트-이미지 및 텍스트-비디오 벤치마크에서 실시한 광범위한 실험을 통해 본 연구의 효과성이 입증되었으며, VBench 2.0에서 15%의 성능 향상을 달성하였다. 이러한 결과는 추론 시점에서 프롬프트와 시각 콘텐츠를 함께 확장하는 것이 스케일링 법칙을 최대한 활용하는 핵심임을 시사한다. 시각화 자료는 다음 웹사이트에서 확인할 수 있다: https://subin-kim-cv.github.io/PRIS.