성공사례

[고객 사례] 흩어진 학습 데이터 90% 통합 관리, 세그멘테이션 1.5배 가속: 펄핏

여러 시스템에 흩어진 학습 데이터를 통합 관리하게 된 사례입니다. AI 신발 사이즈 추천 기업 펄핏은 슈퍼브 플랫폼으로 데이터 자산의 90%를 한곳에서 관리하고, 커스텀 오토라벨로 발 세그멘테이션 작업을 1.5배 빠르게 만들었습니다.

SUPERB AI

2023년 4월 25일 • 6 min read

💡

3줄 요약
고객: 펄핏(Perfitt) - 이미지 기반 발 측정으로 신발 사이즈를 추천하는 AI 스타트업
과제: 여러 시스템에 흩어진 데이터와 부족한 라벨링 데이터
성과: 데이터 자산의 90%를 단일 플랫폼에서 관리, 세그멘테이션 시간 1.5배 개선, 액티브 러닝 워크플로우 구축

신어 보지 않고 맞는 신발을 찾다

펄핏은 사용자가 올린 이미지로 발 모양과 사이즈를 측정해 브랜드별 신발과 비교해 주는 AI 기업입니다. 소비자는 맞지 않는 신발을 살 확률이 줄고, 판매자는 반품·교환 배송비 부담이 줄어듭니다.

이미지 기반 발 측정 - 펄핏 사례 — 펄핏은 사용자가 촬영한 발 이미지에서 발 모양과 사이즈를 측정합니다

과제: 흩어진 데이터, 부족한 라벨

정확한 발 세그멘테이션 모델을 훈련할 라벨링 데이터가 부족했습니다
원시 데이터와 라벨링된 데이터가 여러 시스템에 분산돼 관리·가시성·협업 모두 어려웠습니다

해결: 하나의 플랫폼에 데이터와 사람을 모으다

펄핏은 슈퍼브 플랫폼과 이미지 라벨링 툴을 도입해 데이터 자산의 90%를 하나의 플랫폼에서 라벨링·관리하게 됐습니다. 인하우스·외부 라벨러, 데이터 PM, 엔지니어가 같은 인터페이스에서 작업하고, 매니저는 생산성과 품질을 실시간 모니터링합니다.

액티브 러닝은 모델이 가장 헷갈려하는 데이터를 골라 우선 라벨링하게 해, 적은 라벨로 성능을 빠르게 끌어올리는 학습 전략입니다. 펄핏은 커스텀 오토라벨과 액티브 러닝 워크플로우로 어떤 데이터를 더 수집해야 하는지도 데이터로 판단하게 됐습니다.

성과: 관리가 잡히자 속도가 붙었다

지표	도입 전	도입 후
데이터 통합 관리	여러 시스템에 분산	90% 단일 플랫폼
폴리곤 세그멘테이션(QA 포함)	수작업 기준	1.5배 개선
추가 데이터 판단	시행착오 의존	액티브 러닝 워크플로우

의사소통 오류를 빠르게 발견해 라벨링 가이드라인과 데이터 산출물이 함께 개선되는 체계가 만들어졌습니다.

지금의 슈퍼브에이아이: 데이터 구축에서 비전 인텔리전스로

이 프로젝트는 슈퍼브 플랫폼의 데이터 관리·라벨링 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)

학습 데이터가 여러 시스템에 흩어져 있으면 어떤 문제가 생기나요?

어떤 데이터가 어디에 있고 라벨링이 어디까지 됐는지 파악하기 어려워 협업과 품질 관리가 무너집니다. 펄핏은 단일 플랫폼으로 이전해 데이터 자산의 90%를 한곳에서 관리하게 됐습니다.

세그멘테이션 라벨링 속도는 얼마나 빨라지나요?

펄핏은 커스텀 오토라벨 도입 후 QA를 포함한 폴리곤 세그멘테이션 작업이 1.5배 빨라졌습니다.

액티브 러닝은 어떤 효과가 있었나요?

모델에 어떤 데이터가 더 필요한지 시행착오 대신 데이터로 판단하게 돼, 신규 데이터 수집의 방향을 잡는 시간이 줄었습니다.

함께 보면 좋은 콘텐츠

슈퍼브에이아이는 산업 현장의 시각 데이터를 기업이 활용할 수 있는 인텔리전스로 전환하는 비전 인텔리전스 기업입니다. 이 사례는 슈퍼브에이아이가 실제 프로젝트에서 구축한 결과입니다.

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

비전 AI 도입 사례집 다운로드

이커머스·리테일 AI의 데이터 구축을 검토하고 계신가요? 아래에 내용을 남겨주시면 영업 전화가 아니라, 흩어진 데이터 자산을 어떻게 통합할지 검토하는 것부터 시작합니다.