데이터 자동화

AI 모델링 자동화 시스템

AI 학습 데이터를 직접 만들지 않아도, 웹에서 조건만 넣으면 Unity가 여러 각도의 학습 이미지를 만들어 주는 흐름을 설계했습니다.

🏆 한국항공대 SW중심대학사업단 단장상

AI 모델링 자동화 시스템 · 처리 흐름

업무 배경과 해결 과정

배경
AI 학습용 물체 이미지를 수작업으로 준비하는 부담을 줄이기 위해, 팀은 Unity에서 촬영 각도와 조명을 달리한 데이터를 생성하는 서비스를 구성했습니다. 교내 해커톤에서 개발한 프로토타입으로, 저는 사용자의 생성 요청을 서버에 전달하고 응답 결과를 확인하는 웹 기능을 맡았습니다.
어려웠던 점
해커톤에서 데이터 생성 자동화가 가능하다는 것은 확인했지만, 기본 객체 데이터가 적어 실제로 쓸 수 있는 범위가 좁았습니다.
이렇게 풀었습니다
웹 입력을 JSON 요청으로 바꿔 서버와 Unity 생성 과정에 연결하고, 생성 결과를 다시 웹에서 확인하는 구조로 가능성을 검증했습니다.

상용화하려면 객체 데이터 확보와 학습 데이터 품질 관리가 먼저 필요하다는 한계도 확인했습니다.

사용자 요청의 JSON 변환·서버 전달·결과 표시와 Object Hub 기반 사용자 데이터 관리를 구현했습니다.

01
사용자 요청의 JSON 변환과 응답 표시
웹에서 전달받은 서비스 요청을 JSON 형식으로 변환해 서버로 전달했습니다. 서버가 반환한 데이터를 웹 화면에 표시해, 요청 입력부터 생성 결과 확인까지 이어지는 기능을 구현했습니다.
02
Object Hub와 서비스 진입 화면
사용자 데이터를 관리하기 위한 Object Hub를 구축하고 서비스 기능을 설명하는 소개 페이지를 개발했습니다. 데이터 생성 기능을 웹에서 이용하는 데 필요한 안내·요청·결과 확인과 사용자 데이터 관리를 담당했습니다.

사용 기술Unity · JavaScript · PHP · Spring · AWS · HTML · SQL · Git

담당 범위

처리 흐름

한계와 남은 과제

생성 대상 데이터의 범위
당시 기본 object 데이터 수가 적어 서비스의 활용 범위를 넓히는 데 한계가 있었습니다. 다양한 대상에 적용하려면 그래픽 자산과 object 데이터를 확보하는 작업이 선행되어야 하며, 이 확장은 구현 이후 과제로 남았습니다.

다시 만든다면 (개선 설계안)

구현 내용을 바탕으로 확장해 검토한 설계안입니다.

생성 요청과 처리 상태의 추적
생성 응답이 늦어지거나 사용자가 화면을 다시 여는 경우를 고려해, 요청 식별자로 접수·처리 중·완료·실패 상태를 조회하는 구조를 검토할 수 있습니다. 같은 요청의 재전송 여부와 결과 연결 관계를 기록하고, 응답 지연·새로고침·서버 실패를 재현해 요청 상태와 웹에 표시되는 결과가 일치하는지 검증하는 개선안입니다.