pile·
AI / ML·무신사 테크무신사 테크·

VLM을 쓰지 않은 이유: Geometric Prior로 25배 빠른 의류 디테일컷 자동화

문제무신사 유즈드 검수 이미지에서 의류 부위별 디테일컷을 생성해야 하는데, 수동 크롭은 상품당 70초 소요로 규모화가 불가능했다.
접근VLM(GPT-4V) 대신 경량 Object Detector + Rule-based Crop 조합을 선택. Detector가 바운딩 박스를 200ms 내 추출하면, 의류의 공간적 규칙성(Geometric Prior)을 이용한 비율 규칙으로 목·소매·밑단 등 부위별 크롭을 결정한다.
결과처리 시간 70초 → 7초(90% 절감), VLM 대비 25배 빠르고 비용 1/10 수준. 기존 11만 개 상품에 일괄 적용 완료했다.
무신사 테크
무신사 테크 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)
·takedown 요청

이 글과 비슷한

  1. AI / ML·stackoverflow-blogStack Overflow Blog·

    에이전틱 SDLC를 QA 엔지니어링 마인드셋으로 구축하기

    Motorola Solutions의 테스트 엔지니어링 선임 매니저 Suneet Malhotra가 Stack Overflow 팟캐스트에 출연해 MCP(Model Context Protocol) 기반 에이전틱 SDLC 파이프라인 구축과 LLM-as-judge 평가 방법론을 소개했다. QA 엔지니어링 관점을 소프트웨어 개발 생애 전반에 적용하고, 설계 단계 직후 스펙을 강화해 결함 비용을 줄이는 'QA shift-left' 접근을 다룬다.

    요약 이어보기
    #llm-agent#mcp#test-automation+2
  2. AI / ML·LINE EngineeringLINE Engineering·

    보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계

    LY Corporation Security Development Division이 보안 업무용 AI 에이전트 플랫폼 SAGE의 개발 과정을 공개했다. "완전 자동화"와 "도입 미루기" 양 극단 사이에서 "판단은 사람에게 남기는 설계"를 핵심 원칙으로 삼고, 3단계 점진적 도입 전략(AI 보조→에이전트 협업→자동화)을 채택했다. 현재는 1단계를 중심으로 파일럿·실운영 중이다.

    요약 이어보기
    #llm-app#opensearch#mcp+2