[고객 사례] 키포인트 어노테이션으로 라벨링 시간 86% 단축한 모션 분석 AI 핏아톰

센서 없이 몸의 움직임을 읽다

2020년 설립된 핏아톰은 예방 가능한 부상을 막고 재활을 돕는 컴퓨터 비전이 없다는 문제의식에서 출발했습니다. 바이오마커나 센서 없이 신체에서 30개 이상의 키포인트를 실시간 추적해, 자세를 분석하고 생체역학적 인사이트를 제공합니다.

과제: 키포인트를 다룰 수 있는 툴이 없다

키포인트 어노테이션은 관절처럼 의미 있는 지점을 점 단위로 표시해 자세·동작 인식 모델을 학습시키는 라벨링 방식입니다. 바운딩 박스보다 정밀도가 훨씬 높게 요구되지만, 이를 제대로 지원하는 툴은 드뭅니다.

• 수작업 라벨링은 시간이 오래 걸리고 데이터 관리가 어려워 모델 확장이 쉽지 않았습니다
• 아웃소싱과 HITL(human-in-the-loop) 워크플로우 모두 기대에 미치지 못했습니다
• 시중·오픈소스 툴에는 필요한 키포인트 어노테이션 기능이 부족했고, Django로 자체 툴 개발도 시도했지만 여의치 않았습니다
• 그 사이 개발 일정이 2~3주씩 지연되며 제품 출시가 늦어졌습니다

해결: 키포인트 어노테이션과 HITL의 결합

핏아톰은 슈퍼브 플랫폼의 이미지 키포인트 어노테이션 툴과 매뉴얼 리뷰 프로세스, 데이터·유저 관리 시스템을 결합했습니다. 플랫폼 위에 기존 HITL 워크플로우를 녹여 라벨링과 이터레이션 속도를 끌어올렸고, 플랫폼 지표와 인하우스 지표를 함께 활용해 데이터 수집 프로세스까지 재정비했습니다.

성과: 86% 빨라진 학습 사이클

단축된 시간은 새 정답 데이터셋 구축과 모델 추가 개선에 재투자돼 선순환 구조를 만들었습니다.

지금의 슈퍼브에이아이: 데이터 구축에서 비전 인텔리전스로

이 프로젝트는 슈퍼브 플랫폼의 키포인트 어노테이션 기능으로 진행된 사례입니다. 슈퍼브에이아이는 이후 데이터 구축을 넘어 산업 특화 비전 파운데이션 모델 제로(ZERO)와 영상 분석 솔루션 Superb Video Analytics까지 제품군을 확장했습니다. 지금은 데이터 구축부터 모델 개발, 현장 운영까지 전 과정을 하나의 파이프라인으로 지원합니다.

자주 묻는 질문(FAQ)

키포인트 어노테이션은 일반 라벨링과 무엇이 다른가요?

바운딩 박스가 객체의 영역을 표시한다면, 키포인트 어노테이션은 관절 같은 의미 있는 지점을 점 단위로 정확히 찍어야 합니다. 자세·동작 인식 모델에 필수적이지만 요구 정밀도가 높아 지원하는 툴이 드뭅니다.

키포인트 라벨링 툴이 없으면 어떤 문제가 생기나요?

핏아톰은 아웃소싱, HITL 워크플로우, Django 자체 툴 개발까지 시도했지만 모두 기대에 미치지 못했고, 그 사이 개발 일정이 2~3주씩 지연됐습니다.

키포인트 어노테이션 툴 도입으로 어느 정도 효율화가 가능한가요?

핏아톰은 라벨링·모델 학습 시간 86% 감소, 주별 산출량 3배, 키포인트 모델 정확도 10% 상승을 달성했습니다.

함께 보면 좋은 콘텐츠

헬스케어 비전 AI 활용 사례 3선: 상담 27.5%·감염균 식별 30% 단축

피부 상태 분류, 스마트폰 암 진단 보조, 혈액 감염균 예측 - 의료 현장의 비전 AI 활용 사례 3건. 상담 시간 27.5% 감소, 감염균 식별 시간 30% 단축 수치로 정리했습니다.

슈퍼브 블로그

AI 기반 내시경 종양 분석: N 의료 연구기관의 성공 사례

종양학 부문 세계 15위의 암 연구기관이 슈퍼브에이아이의 온프레미스 AI 플랫폼으로 내시경 이미지 자동 라벨링 효율을 수십 배 향상시켰습니다. 100만 장 이상의 의료 이미지 분석 시간을 단축하고 종양 탐지 정확도를 높인 사례를 확인하세요.

슈퍼브 블로그

이런 사례를 더 보고 싶다면, 산업별 성과를 정리한 비전 AI 도입 사례집을 받아보세요.

모션 분석·헬스케어 AI의 데이터 구축을 검토하고 계신가요? 아래에 내용을 남겨주시면 영업 전화가 아니라, 필요한 어노테이션 방식과 데이터 규모를 검토하는 것부터 시작합니다.