works

Visual
Recognition

우리는 세상에 존재하는 모든 것을 컴퓨터가 이해하고 처리할 수 있도록 데이터로 가공해 냅니다. 이를 통해 현실 세계를 가상 환경에 투영하여 꿈꾸던 다양한 시도를 가능하게 합니다. 플레이스에이의 인공지능 기술은 어디에서나, 정확하고, 빠르게 그 과정을 실행할 수 있도록 돕습니다.

Realtime
Whole Body
Recognition

실시간
전신 인식
기술

  • data

    방대한 데이터를
    학습합니다

    정밀한 AI Engine을 개발하기 위해서는 일정 수준 이상의 품질이 보증되는 방대한 양의 학습 데이터가 필수적입니다. 이에 플레이스에이에서는 Motion Capture Studio 및 2D Landmark Triangulation 기술을 통해 100만 장 이상의 실제 환경과 흡사한 데이터를 구축하여 학습에 활용하고 있습니다.

  • data

    한대의 카메라로
    충분합니다

    처리를 위한 과정은 고도의 기술을 추구하지만 그 기술을 활용하는 실제 환경에서는 어려운 과정이나 복잡한 장치가 필요해서는 안 됩니다. 단일 RGB 카메라 한대면 누구나 쉽게 전신을 스캔하여 플레이스에이의 AI 기술을 경험할 수 있습니다.

  • data

    분할된 AI Network가
    협업합니다

    플레이스에이의 인식 기술은 단일 AI가 아닌 얼굴, 손, 몸통 등으로 분할된 신체 부위를 담당하는 AI와 이를 융합하는 AI로 구성되어 있습니다. 복합적인 Network 구조의 결과로 단일 AI 대비 월등히 향상된 정확도와 다양한 변수에도 최적화가 이루어진 결과물을 얻게 됩니다.

Smart Factory

우리는 손이 많이 가거나, 비효율적이라고 여겨지는 모든 과정을 새롭게 탈바꿈 시킵니다. 인공지능 기술을 포함한 다양한 방법을 적재적소에 활용하여 생산성과 결과물의 품질을 일관되게 향상시키는 것을 목표로 합니다. 프로세스 개선을 효과적으로 이루어내는 자동화 솔루션을 통해 비용은 절감하고 정확도는 높일 수 있습니다.

Fake Classification
Based On Multi-modal
Feature

복합 센서 기반
진품 가품
판별 기술

  • data

    다양한 센서 데이터를
    조합합니다

    단일 센서를 사용해 한번 스캔하고 끝내는 것이 아니라 RGB, UV, Xray 등 복합적인 센서 데이터를 수집하고 정교하게 가공 및 조합하여 보다 향상된 정확도의 AI Engine을 개발합니다. 공정마다 그에 맞는 센서와 스캐닝 방식을 선택하여 프로세스 전체의 개선이 효과적으로 이루어지도록 최적화를 진행합니다.

  • data

    모듈화된 플랫폼으로
    시간을 단축합니다

    기존의 AI 솔루션은 새로운 제품을 생산하거나 공정에 변화가 있을 경우 처음부터 다시 AI Engine을 설계하고 학습시켜 개발하는 과정을 거쳐야 합니다. 플레이스에이는 이러한 문제점을 개선하기 위해 독자적인 학습 플랫폼을 설계하여 모듈화하였습니다. 같은 공정 프로세스 내에서 신규 제품이 추가되거나 약간의 변화가 있는 정도의 범위 내에서는 유연하게 추가로 학습시키고 빠르게 적용하여 결과를 낼 수 있습니다. 이는 시간을 포함한 비용의 절감과 생산성 향상을 가져옵니다.

Generative Adversarial
Network

우리는 인공지능을 통해 세상에 없던 새로운 것들을 만들어냅니다. 상호 대립적인 학습 모델은 서로 영향을 주고 받으며 스스로 진화하고 마침내 실제로 존재할법한 결과물을 창조할 수 있게 됩니다. 이렇게 잘 학습된 모델은 한정적으로 주어지는 데이터만으로 무궁무진한 결과물을 생성합니다. 이는 새로운 가치와 기회를 창출하는 다양한 곳에 응용되어 수많은 사람들에게 다채로운 경험을 선사합니다.

Generative
Adversarial
Network

생성적
대립 신경망
기술

  • data

    Synthesizing
    Glasses Data

    플레이스에이의 미국 법인 LANO Labs. 에서는 안경 데이터를 활용한 타겟 전이 연구를 진행하고 있습니다. 입력 안경이 주어지는 경우 해당 안경의 특징이 되는 요소들을 파악하여 무한대에 가까운 유사한 안경들을 생성해냅니다. GAN 모델의 성능 측정을 위해 사용되는 FID (Fréchet Inception Distance) score 결과는 한자리 수 이하로, 최상위 그룹으로 분류되는 수준에서 지속적으로 향상되고 있습니다.

  • data

    UV-map Style
    Transfer

    LANO Labs.에서 연구하고 있는 또다른 기술인 Style Transfer 기술은 특징적인 Template Image를 활용하여 Content와 Style을 조합한 새로운 Stock Item을 생성해내는 기술입니다. 각각의 변수를 독립적으로 조정하도록 하여 전이의 정도나 범위를 조정할 수 있어 원하는대로 결과물을 얻어낼 수 있습니다. 이에 UV Mapping 기술을 더해 3차원으로 모델링하여 실제로 보이는 그대로의 디자인을 쉽고 빠르게 확인할 수 있습니다.

기술사례

  • 기술사례 예시 이미지

    Re-PLACE A ZEPETO

    얼굴과 손을 포함한 신체의 각 부분의 움직임을 인식하여 가상 환경에서 그 움직임을 복제하는 플레이스에이만의 독자적인 AI Engine을 구현하였습니다. 이 기술은 현재 NAVER Z의 상용 SNS 서비스인 ZEPETO에 적용되고 있습니다. 나를 닮은 나만의 아바타를 생성하여 사용자가 실제로 살아 움직이는 듯한 느낌을 받을 수 있도록 만들어냅니다.

  • 기술사례 예시 이미지

    Re-PLACE A KREAM

    일반적인 공장에서 생산되거나 검수가 이루어지는 다양한 품목에 대해 종합적인 Quality Control이 이루어질 수 있도록 복합 센서 기반의 Fake&Real AI Engine을 구현합니다. 이는 하이엔드 스니커즈 리셀 플랫폼 KREAM의 검수 과정에 적용되어 높은 정확도와 적은 비용으로 공정을 최적화할 수 있도록 돕고 있습니다.