AI Festa 대상 수상

ZDNet Korea — 졸업작품 뉴스 보도 →

AI 기반 Virtual Try-On 의상 피팅 솔루션

졸업작품으로 개발한 AI 가상 피팅 시스템으로, 코엑스 AI 페스타 전시회에서 대상을 수상했습니다.

컴공에서 AI도 배운다

문제 정의

온라인 의류 구매 시 핏을 사전에 확인할 수 없어 반품률이 높고, 이는 비용 증가와 환경 문제로 이어집니다.

• 국내 연간 약 9억 3,500만 건 반품, 처리 비용 약 4조 5,000억 원
• 전체 반품 중 의류 비중 72%

기존 AI 피팅의 한계

• 정해진 의상만 사용 가능, 사용자 업로드 불가
• 단일 피팅만 가능, 상·하의 동시 피팅 불가
• 기장 조절 불가, 여러 겹 착용 불가

기술 구조

FitDiT 기반 Diffusion 모델과 컴퓨터비전 전·후처리를 결합했습니다.

• FitDiT — Diffusion + Transformer 기반 가상 피팅 모델. 이미지에 노이즈를 추가했다 제거하는 학습 방식으로 착용 이미지를 생성합니다. 5개 모델 비교 후 질감·패턴 보존력이 가장 우수하여 선정.
• OpenCV — 오픈소스 이미지 처리 라이브러리. 색상 감지, 좌표 추출 등 기본 전·후처리에 활용. 단, 비트연산 기반이라 경계선 노이즈 한계 존재.
• SAM — Meta AI의 범용 이미지 분할 모델. OpenCV가 “대략 이 근처”를 알려주면, SAM이 “정확히 이 영역”을 노이즈 없이 분할합니다.

핵심 개선 사항

• 여러 겹 피팅 — 외투 피팅 후 살색 영역을 감지, 이너 피팅 결과로 합성
• 기장 조절 — 5단계 마스크 길이 조절. 기존 의상 영향을 방지하기 위해 짧은 옷으로 전처리 후 재피팅
• 외투+내의 동시 표현 — OpenCV로 살색 영역 감지 → SAM으로 정밀 추출 → 원본/이너로 대체
• 얼굴·손 보정 — 모델 실행 전 미리 추출, 완료 후 원본으로 대체
• 롱아우터 — 상의 모드에서 피팅 마스크를 최대 확장하여 해결

부가 내용. CS는 필수입니다.

왜 CS인가

AI든 백엔드든 모든 소프트웨어는 운영체제와 네트워크 위에서 동작합니다. 코드만 작성하는 것이 아니라 실행 환경을 이해해야 문제의 본질을 파악할 수 있습니다.

실제 경험

KOIN 서비스 운영 중 트래픽 증가에 따른 비용·성능 문제가 발생했고, 네트워크 구조 분석을 통해 병목을 해결했습니다.

• VPC 기반 내부 네트워크 전환 → 비용 73% 절감
• 무중단 배포 및 구조 개선 → 가용률 99.9% 달성

알고리즘

기업이 코딩 테스트를 보는 이유는 단순히 문법을 아는지 확인하기 위해서가 아닙니다. 제한된 시간과 자원 안에서 문제를 정의하고, 최적의 해를 설계할 수 있는지를 검증하기 위해서입니다. 이 능력은 실제 개발에서도 동일하게 요구됩니다.

프로그래밍 경시대회 3회 연속 대상, 백준 Platinum III (1,300+ solved) 경험을 통해 이러한 사고력을 훈련했습니다.