핵심 요약
무신사 유즈드의 의류 디테일컷 자동화를 위해 VLM 대신 경량 Object Detector와 규칙 기반 크롭 로직을 도입하고 AWS Lambda로 서빙하여 11만 개의 기존 상품 마이그레이션을 수행, 25배 빠른 추론과 90%의 공정 시간 절감을 달성했습니다.
구현 방법
- Detector로 의류 바운딩 박스를 정확히 추출하고 좌표계 내에서 크롭 위치를 정합니다.
- 카테고리별 규칙 기반 크롭 비율을 적용해 부위별 절대 좌표를 계산합니다.
- AWS Lambda 서빙으로 비용 효율성과 관리 용이성을 확보하고, 11만 개 상품 마이그레이션에 적용했습니다.
주요 결과
- VLM 대비 약 25배 빠른 추론 속도 확보(대략 5초 수준에서 0.2초 수준으로 개선으로 보임)
- 상품당 공정 시간 70초에서 7초로 약 90% 절감
- 11만 개 기존 상품 마이그레이션 및 10개 카테고리 지원
- 검수 공정에서도 디테일컷 생성이 자동화되어, 상품당 약 63초의 공정 시간이 절감
