리노컷 자산 파이프라인 공통화와 캐스트 외형 설계

- P1 전용 스크립트를 docs/avatar-art/linocut-pipeline 으로 옮겨 persona.json 설정으로 일반화(P1 재실행 리그 바이트 동일)
- 7명 외형·상징 설계(linocut-cast.md)와 P2~P7 정면 원화 생성 프롬프트, 얼굴 없는 화풍 참조
- P1 원화 생성 프롬프트 보존

docs/avatar-art/p1-linocut/scripts/_run_segmentation.py

@@ -1,45 +0,0 @@
-"""단독 프로세스로 ImageSegmenter(selfie_multiclass_256x256)를 실행해
-category_mask를 .npy로 저장한다. (세그폴트 회피를 위해 FaceLandmarker와 분리.)
-
-사용: python _run_segmentation.py <이미지경로> <출력npy경로>
-"""
-from __future__ import annotations
-
-import sys
-from pathlib import Path
-
-import mediapipe as mp
-import numpy as np
-from mediapipe.tasks import python as mp_python
-from mediapipe.tasks.python import vision
-from PIL import Image
-
-MODEL_SEG = Path(__file__).resolve().parent / "_models" / "selfie_multiclass_256x256.tflite"
-
-
-def main() -> int:
-    image_path = Path(sys.argv[1])
-    out_path = Path(sys.argv[2])
-
-    base_options = mp_python.BaseOptions(model_asset_path=str(MODEL_SEG))
-    options = vision.ImageSegmenterOptions(
-        base_options=base_options, output_confidence_masks=False, output_category_mask=True
-    )
-    im = Image.open(image_path).convert("RGB")
-    arr = np.array(im)
-    mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=arr)
-    with vision.ImageSegmenter.create_from_options(options) as seg:
-        result = seg.segment(mp_image)
-
-    if result.category_mask is None:
-        print("SEGMENTATION_FAILED")
-        return 1
-
-    category_mask = result.category_mask.numpy_view()[:, :, 0].copy()
-    np.save(out_path, category_mask)
-    print(f"SEGMENTATION_OK shape={category_mask.shape}")
-    return 0
-
-
-if __name__ == "__main__":
-    sys.exit(main())