머신러닝을 기반으로 효율적이고 처리속도가 빠른 가상피팅 솔루션을 기획했습니다. 시장자료조사, 프레젠테이션 디자인, 사업기획, 기술내용 세부 설명 등을 담당했습니다.

1. Closet Engine
New Virtual Fitting Room Experience to People
Since 2017

2. [ 학력 ]
- 연세대학교 대학원 Multimedia Computing and
Machine Learning(MCML) Group 진학 예정
- 연세대학교 글로벌융합공학부 15학번 (2015.03. ~ now)
[ 경력 ]
- 스타트업 가치&문화 확산 네트워크 VIRUS 대표 (2017. 03. ~ now)
- 삼성 SDS sGenClub 4기 ICT개발 (2014.07. ~ 2015.09.)
[ 프로젝트 ]
- 함수형 언어 시각화 플랫폼 crafty 개발 (2016.09. ~ 2017.02.)
- 신촌 하숙 O2O 서비스 나봄하우스 웹사이트/안드로이드앱 개발 (2016.06.)
[ 연구 ]
- Image Super-Resolution Using DCGAN (2016.07. ~ 2016.08.)
- Image Quilting for Texture Synthesis and Transfer (2015.12. ~ 2016.02.)
[ 주력 분야 ]
- web front-end(html, css, javascript, nodejs),
machine learning(torch), image processing(matlab), etc(python, C, hadoop, android)
About Team
박준혁

3. [ 학력 ]
- 성공회대학교 소프트웨어공학과 11학번 (2011~2018)
[주력 분야]
Language : JAVA(주력), Swift, Python, PHP, Kotlin, Ruby
Tech : Web(Full Stack), Android, IOS, Crawling, Deep Learning
Cloud : AWS, Azure
2011년부터 외주개발로 개발을 시작. 빠른 속도의 프로토타입 및 서비스 개발 가능.
AI에 관심이 많아 DDQN 알고리즘을 사용해 tensorflow로 슈퍼마리오 자동플레이를
구현한 적이 있음 개발가능 기술과 언어의 스펙트럼이 넓음.
박중수
About Team

4. [ 학력 ]
- 연세대학교 정경대학 경영학부 1학년 (2017.03~now)
[ 경력 ]
-C-Lab 1기 (주)크레센트 대표 (2014.12~2016.10)
-(주)파이언스 Marketing and Strategy Specialist (2016.11~2017.03)
- 스타트업 가치&문화 확산 네트워크 VIRUS 코어 프로모션 디렉터 (2017. 03. ~ now)
- 과기정통부, SW중심사회, 핀테크지원센터 기자단(2017.03. ~ 2017.12.)
[ 프로젝트 ]
- B2B 스마트 스쿨 소프트웨어 기획. 수능 성적에 따라 어느 대학을 갈 수 있는지 알려주는
"Sungboon" 프로토타입 개발/기획 (2014.12~2015.06)
- 유커 대상 여행도우미 챗봇서비스 Hanyou 사업기획/기술구조 설계 (2015.12. ~ 2016.10.)
[ 수상 ]
- GIF 제 1회 글로벌 이노베이션 페스타 아이디어톤 대구과학대학교 총장상 수상(2015.10)
- 공익 앱 창조 공모전 건국대학교 총장상 수상 (2015.11)
- 미래창조과학부(현 과기정통부) K-Global 300 장관명의 수료(2015.12)
- 제주 공공데이터 창업경진대회 우수상 수상(2016.07. ~ 2016.08.)
- 대홍기획 DCA 광고대상 제 34회 프로모션 부문 동상 수상 (2015.12. ~ 2016.02.)
[ 주력 분야 ]
- mobile front (ios Swift)
- business, UX research, UI design
박상욱
About TeamAbout TeamAbout TeamAbout TeamAbout TeamAbout Team

5. Situation
유행에 민감한 패션업계는 시장이 빠르게 변화할 뿐만 아니라 업계에서 추가적인
고객을 확보하기 위해 Retail 매장에 Fashion-Tech 기술을 도입하여 기존 단편적인
패션시장을 혁신시켜나가고 있는 추세임.
대표적으로 가상 피팅 서비스를 예시로 꼽을 수 있는데 스마트 키오스크 및 미러를
활용해서 현재 대부분의 백화점에서 적극 도입하고 있음. 하지만 아직까지는 사람을
인식해서 3D로 모델링을 하고 기타 물리 엔진을 활용하다 보니 무겁고 사용자에게
불편한 경험을 제공하고 있는 현황.
신기술을 도입하고 있는 패션시장, 그리고 가상피팅

6. Problem
그럼에도 불구하고 아직까지 소상공인을 대상으로 하는 Tech 기반 서비스는
여전히 존재하지 않는다. 동대문, 지하상가, 기타 거리의 영세상인은 여전히
불편한 프로세스를 안고 운영중이기 때문에 이들이 감당할 수 있는 수준의
Tech 기반 서비스가 나온다면 이를 적극 도입하고자 하는 수요가 있음.
-오프라인 관련 질문
오프라인으로 옷을 많이 구매하는지 (백화점, 보세옷집, 온라인) 설문 + 카테고라이징
소상공인 운영하는 매장에 방문하였을 때, 어떤 불편함을 느꼈는지 설문
-O2O서비스 관련 질문
스트라입스, 소울부스터 등 온라인 서브스크립션 서비스 사용 유무 질문
오프라인 매장 직원이 본인을 대하였을 때의 심리적 부담감 유무에 대한 질문
현재 오프라인/보세 옷 리테일 서비스에서 추가되었으면 하는 기능에 대한 질문
프로토타입을 사용하면서 느꼈던 불편한 점들에 대해서 질문
-가상피팅 서비스 관련 질문
어떤 불편함을 느끼는지, 어떻게 개선되었으면 하는지
하지만, 소상공인 시장은? 여전히 변함없음
설문조사계획 (OpenSurvey 활용)

7. Solution
클로젯 엔진은 딥러닝을 기반으로
웹캠, 스마트폰, 거울, 컴퓨터 모니터 등을 활용해
비싼 키오스크를 구매하기 어려운 소상공인을 대상으로
저렴한 가격에 가상 피팅 기능을 제공하여 고객들이
좁은 공간에서도 편안한 피팅 경험을 할 수 있도록 구축했습니다.

8. Market
글로벌 시장조사업체 IDC는 글로벌 시장의 AR제품과 서비스에 대한
지출이 올해 114억 달러(12조9000억원) 규모에서 2021년
2150억 달러(242조7000억원) 규모로 성장할 것으로 전망합니다.
전년대비 3.5% 성장
그 이외에도 중년이 된 X세대의 증가로 모바일
어플리케이션을 통한 결제가 더 많아졌습니다.
국내 패션 시장의 규모 중, 모바일 거래액은 3조 6,860억 이며,
2014년대비 50% 성장했습니다(16년 기준)
TAM: 세계 패션 시장
1천 350조 원 규모
SAM: 국내 패션 시장
43조 6700억 원 규모
SOM: 국내 모바일 거래 시장
7조 3465억 원 규모
출처 : 한국패션산업연구원, 연합뉴스, 삼성패션연구소
국내 모바일 거래시장 세계 최대 규모
그 이외에도 중년이 된 X세대의 증가로 모바일
어플리케이션을 통한 결제가 더 많아졌습니다.

9. Business Model
기업을 대상으로 부드러운 가상피팅 솔루션 제공
소상공인 대상 가장 많이 피팅한 옷 데이터, 사용자가 선호하는 의류 통계정보 제공
소상공인 대상 저렴하게 제작된 스마트 미러 제작 및 정기 렌탈 서비스 제공
Core API Engine
User Data Analytics
Smart Mirror

10. STEP 1
Prototype
핸드폰과 지면의 수직 여부나 신체
주요 요소 포함 여부 등을 판단하는
촬영 가이드라인을 제공합니다
+ 전신 사진 촬영 후 키를 입력 받습니다
[using swift(iOS)]
이후, 사용자로부터 입력 받은 전신 사진에서
배경을 제거하고 모델만 추출합니다
[using opencv-python]
지면과 수직이지 않습니다.
전신사진을 가이드라인에 맞춰주세요

11. 머신러닝을 활용하여
신체의 주요 포인트들을 추출합니다
using tensorflow
[ paper&code reference ]
DeeperCut: A Deeper, Stronger,
and Faster Multi-Person Pose Estimation Model (2016. 05)
Knowledge-Guided Deep Fractal Neural Networks
for Human Pose Estimation (2017. 05)
[ dataset ]
MPII Human Pose Dataset, MS COCO dataset, LSP dataset
STEP 2
Prototype
[대표예시]

12. 입력 받은 키 값을 축척으로 활용하여
주요 신체 정보를 계산합니다
이를 통해 사용자에게 맞는
옷 사이즈를 추천합니다
[using opencv-python]
Prototype
STEP 3

13. 머신러닝을 활용하여
사용자가 선택한 옷의 종류를 파악합니다
[using tensorflow, CNN]
선택한 옷이 들어가야 할 영역을 계산합니다
[using opencv-python]
[선택한 옷 예시]
Prototype
STEP 4

14. 머신러닝을 활용하여
영역을 선택한 옷의 texture 로 채웁니다
using tensorflow, GAN
[ paper&code reference ]
Learning to Discover Cross-Domain Relations
with Generative Adversarial Networks (2017. 03)
[ dataset ]
CelebA, DiscoGAN dataset
[ description ]
DiscoGAN의 Edges to photos을 활용. 영역을 input 하면
적절히 채워진 영역을 output 하던 기존 모델과 달리,
선택한 옷의 이미지를 input의 추가적인 feature로 받아
그 이미지의 texture로 채워진 영역을 output 하는 모델 구현.
STEP 5
Prototype

15. 주머니, 문구, 끈 등과 같이
texture가 담지 못하는
옷의 주요 요소들을 복제합니다
[using opencv-python]
이후 더 자연스러워 보이게 하기 위해
배경 재삽입, 경계 조정 등
후처리를 진행합니다
[using opencv-python]
STEP 6
Prototype

16. 사이즈 추출 문제
사용자가 옷을 입고 있다면 정확한 신체 치수를 측정하는데 어려움이 있습니다.
속옷만 입고 찍도록 가이드를 해줄 수 있지만 대부분이 본인의 속옷차림 사진을 올리기
꺼려할 것입니다. 해결방법은 관절인식을 사용하면 어느정도의 자세한 사이즈를 얻을
수 있다는 점입니다. 허리같은 경우는 자세한 사이즈를 얻기 힘들지만 입력된 사진으로
어느정도 추측이 가능하기에 공식을 세워 사이즈추출을 고민해볼 예정입니다.
신축성 문제
옷은 재질마다 신축성이 다릅니다. 다만 신축성을 표현하는 것이 필요할 때는 옷의 사이즈가
신체보다 작을 때입니다. 그래서 굳이 신축성을 표현하기보다는 옷이 신체보다 작을 시
재질에 상관없이 늘려버리려고 합니다.
현재 문제점

17. 포즈 문제
추후 다양한 포즈가 가능하도록 연구할 예정이나 이번 프로젝트에서는 정면으로만 피팅할 수
있도록 개발할 예정입니다. 다만 차렷자세가 아니라 팔을 벌리고 있는 등의 다른 자세에 대해서도
생성모델을 통해 개발해볼 예정입니다. DISCO GAN과 세그먼테이션된 인체사진을 인풋으로
사용한다면 가능할 것이라 생각됩니다.
반팔/긴팔 문제
사용자가 긴팔을 입은 상태로 반팔 옷을 피팅하게 되면 남은 긴팔의 영역이 기존의 옷으로
남게되어 부자연스러운 현상이 연출됩니다.저희는 이를 손을 추출하고 이를 토대로 GAN
기술을 활용하여 팔을 생성하는 기술을 개발하고 사용할 예정입니다.
현재 문제점

18. 피팅문제
신체는 부위마다 전부 굵기가 다르고 굴곡이 있기에 세세한 사이즈를 맞추기 힘들 수 있습니다.
저희는 옷을 피팅할 때 이것을 다 맞춰서 해줘야 하는 것인지 고민했습니다. 그 결과 답은 어차피
옷을 입으면 그 신체마다의 굴곡은 덮어지고, 복잡한 굴곡이 완만해지기에 굳이 그 사항은 많이
고민할 필요가 없다였습니다. AI를 이용하면 그 세세한 사이즈 프로세싱을 생각할 필요없이
생성모델을 개발하여 옷을 generate해서 덮어줄 수 있다는 점입니다. 생성자는 입력된 옷
사진과 신체사진을 가지고 피팅사진을 만들도록 학습시키고, 검출자는 신체와 옷을 각각
세그먼테이션하여 피팅이 제대로 되었는지 검출하는 작업을 합니다. 또한 바지같은 경우는
벨트를 하거나 밴딩을 하여 허리 사이즈를 줄일 수 있으므로 사이즈 조절을 인공지능의
feature로 넣어 사이즈조절을 할 생각입니다.
현재 문제점

19. Thank You