Appearance
2. 추진방향 및 전략
가. 추진 방향
핵심 추진 방향
3대 전략 원칙
| 원칙 | 설명 |
|---|---|
| 기술 내재화 | 핵심 AI 기술(안구인식, 합성엔진)을 자체 개발하여 기술 종속성 탈피 |
| 즉시 사업화 | 주관기관 자체 유통망에서 즉시 실증·상용화 (별도 수요처 섭외 불필요) |
| 확장 가능 | 컬러렌즈에서 시작하여 안경→뷰티→패션으로 확장 가능한 플랫폼 설계 |
나. 기술 전략
1) AI 엔진 개발 전략: 4단계 CV 캐스케이드 파이프라인
본 과제는 투명 배경의 고화질 렌즈 이미지를 사용자의 홍채 위에 정밀 합성하는 방식을 채택합니다. 이를 위해 다수의 CV 알고리즘을 캐스케이드(연쇄)로 결합하여 각 알고리즘의 단점을 상호보완합니다.
파이프라인 구조
알고리즘 간 단점 상호보완
| 알고리즘의 단점 | 보완하는 알고리즘 | 보완 방법 | 학술 근거 |
|---|---|---|---|
| MediaPipe — 저해상도에서 정밀도 저하 | Haar/HOG | 고해상도 ROI 크롭 후 MediaPipe 적용 | Kurdthongmee et al. (IEEE Access, 2025) — 입력 186×186 최적 |
| MediaPipe — 극단 조명에서 불안정 | MCT | 상대 비교 기반 조명 정규화 전처리 | Froba & Ernst (AVBPA, 2004) — Haar 대비 30% 강건 |
| MediaPipe — 홍채 텍스처 정보 없음 | LBP | 텍스처 코드 추출 → 추천 엔진 입력 | Zhang et al. (IEEE ICPR, 2010) — w-LBP+SIFT 84% |
| LBP — 노이즈 민감 | SIFT 가중치 | SIFT 디스크립터로 LBP 인코딩 가중치 부여 | IJBM 2017 — 결합 정확도 84% |
| LBP — 조명 극단 변화 시 불안정 | MCT | MCT가 조명 정규화된 특징 맵 생성 | Froba & Ernst (AVBPA, 2004) |
| SIFT — 느림 (100ms+) | Ferns | 동일 키포인트를 10-100배 빠르게 매칭 | Ozuysal et al. (IEEE TPAMI, 2010) |
| Haar — 정면만 검출 | MediaPipe | ±30° 회전까지 커버하는 Fallback | Comparative Analysis (ELECTRON, 2025) |
연차별 기술 고도화 로드맵
| 단계 | 구현 기술 | 핵심 성과 | 시기 |
|---|---|---|---|
| v0.1 | MediaPipe 홍채 추적 + 기본 알파 블렌딩 | 실시간 프리뷰 동작 확인 (<16ms) | 1차 Q2 |
| v1.0 | + Haar/HOG 전처리 + MCT 조명 정규화 | 다양한 매장 환경 대응 (<30ms) | 1차 Q3 |
| v1.5 | + LBP 텍스처 분석 + 개인화 추천 기반 | 홍채 특성 기반 렌즈 추천 시작 (<50ms) | 1차 Q4 |
| v2.0 | 고급 블렌딩 + 조명·반사 보정 + SIFT/Ferns 품질 검증 | 합성 품질 최적화 | 2차 Q1 |
| v2.5 | 개인화 추천 엔진 + 전체 파이프라인 통합 | 상용 서비스 런칭 수준 | 2차 Q2 |
| v3.0 | 오픈소스 이미지 AI 모델(Qwen-Image + LoRA + ControlNet) 활용 개인화 커머스 썸네일 서비스 | 유저 사진 기반 제품 썸네일 자동 생성 | 2차 Q3~Q4 |
2차년도 커머스 썸네일 서비스 (v3.0)
1~2차년도 전반의 실시간 가상착용은 CV 기반 파이프라인(MediaPipe + 알파 블렌딩)으로 완성합니다. 2차년도 후반에는 기존 오픈소스 이미지 AI 모델을 활용하여 유저 사진 기반의 개인화 커머스 썸네일 서비스를 구축합니다.
- 목적: 쇼핑몰에서 모든 고객이 동일 모델 사진을 보는 대신, 내 눈에 렌즈를 착용한 고품질 썸네일을 자동 생성
- 기술: Qwen-Image (오픈소스 이미지 모델) + LoRA (경량 파인튜닝) + ControlNet (홍채 윤곽 조건 제어)
- 성격: 기초 R&D가 아닌, 기존 검증된 오픈소스 모델을 상용 서비스에 적용하는 상품개발·상용화 작업
- 처리: 서버 사이드 배치 생성 (오프라인 — 실시간 불필요)
기술 선택 종합 비교
| 기술 | 역할 | 속도 | 정밀도 | 학술 근거 |
|---|---|---|---|---|
| MediaPipe | 홍채 중심·크기 추적 (핵심) | 177 FPS | μED=0.736 (SOTA) | IEEE Access, 2025; SCIRP, 2026 |
| Haar Cascade | 눈 영역 ROI 빠른 추출 | ~27 FPS | 98% (얼굴) | Viola & Jones (CVPR, 2001) |
| HOG (Dlib) | 68-point 랜드마크 (Fallback) | ~27 FPS | 안정적 | Dalal & Triggs (CVPR, 2005) |
| MCT | 조명 정규화 전처리 | 빠름 | Haar 대비 +30% 강건 | Froba & Ernst (AVBPA, 2004) |
| LBP | 홍채 텍스처 분석 | 매우 빠름 | 78-84% (w-LBP) | Ojala et al. (TPAMI, 2002); Zhang et al. (ICPR, 2010) |
| SIFT | LBP 가중치 + 품질 검증 | ~10 FPS | 스케일 불변 | Lowe (ICCV, 1999) |
| Ferns | 실시간 키포인트 매칭 | SIFT×100 | SIFT 근접 | Ozuysal et al. (TPAMI, 2010) |
2) 플랫폼 전략: 확장 가능한 아키텍처
┌─── Presentation Layer ───────────────────────────────┐
│ 스마트미러 앱 │ 모바일 웹앱 │ 쇼핑몰 플러그인 │
└────────────────┴──────────────┴───────────────────────┘
│
┌─── API Gateway ──────────────────────────────────────┐
│ RESTful API │ WebSocket (실시간) │ Webhook │
└───────────────┴─────────────────────┴────────────────┘
│
┌─── Service Layer ────────────────────────────────────┐
│ AI 합성 서비스 │ 커머스 연동 │ 추천 엔진 │ 데이터 │
└──────────────────┴─────────────┴────────────┴────────┘
│
┌─── Infrastructure ───────────────────────────────────┐
│ GPU 클라우드 │ CDN │ 데이터베이스 │ 모니터링 │
└────────────────┴──────┴──────────────┴───────────────┘다. 사업화 전략
수익 모델 (다중 수익원)
| 수익원 | 대상 | 수익 모델 | 예상 매출 |
|---|---|---|---|
| 스마트미러 렌탈 | 안경점 | 월 구독료 (50~100만원/대) | 년 6억+ (100대 기준) |
| 스마트미러 판매 | 안경점·팝업 | 대당 300~500만원 | 건별 |
| SaaS API | 타 브랜드 | 월 구독 + API 호출당 과금 | 년 5억+ |
| 데이터 인사이트 | 인터로조 내부 | 신제품 기획·마케팅 활용 | 간접 기여 |
| 전환율 향상 | 클라렌 쇼핑몰 | 매출 증가분의 간접 기여 | 년 50억+ |