OTT AI Wiki new

🔬 OnTheTop AI 개발 기록

📖 프로젝트 소개로 돌아가기 | 🏠 Wiki 홈으로

프로젝트 진행 중 모델 선정부터 성능 최적화까지의 AI 기술 결정 과정을 기록합니다.

---

📋 빠른 네비게이션

• 🕐 개발 타임라인: 날짜별 실험 기록
• 🏗️ AI 백엔드 설계 : 모델 서빙 아키텍처
• 📊 프로젝트 마일스톤 : 단계별 목표 및 성과

---

🕐 개발 일정

기간	주요 작업
04/14	DeepSeek Janus pro 7b 성능 테스트
04/15	API 설계
04/16	HiDeream 모델 성능 테스트
04/17	Naver Shopping API 설계
04/21	CNN 모델 성능 점검
04/22	SDXL LoRA 테스트
04/27	LoRA 예비 테스트
04/29	3종 LoRA 비교 테스트
05/01	CNN Local 테스트
05/02	SAM 2.1 테스트
05/03	img2txt-GPT-4o-SDXL
05/06	프롬프트 엔지니어링
05/11	트러블슈팅 & 버전업
05/15	Grounding DINO + SAM2
05/19	SDXL Inpainting + SAM2
05/21	SDXL-SAM 호환성
05/22	마스크 품질 최적화
05/23	Grounding DINO 성능
05/26	v2 파이프라인 테스트
05/28	v2 성능 벤치마킹
06/02	마스킹 이슈 해결
06/05	테마별 이미지 생성
06/22	LoRA 메모리 관리

---

🏗️ API 설계

AI 백엔드 아키텍처

단계	주제	내용
1️⃣	모델 API 설계	FastAPI 기반 추론 엔드포인트 설계
2️⃣	성능 최적화	응답시간, 메모리, TPS 개선
3️⃣	서비스 모듈화	마이크로서비스 아키텍처
4️⃣	LangChain 파이프라인	Blip → GPT → SDXL 연계
5️⃣	RAG 구현	벡터 DB 기반 검색
6️⃣	최종 통합	전체 파이프라인 통합

📊 API 명세

• Google Sheet - RestAPI 정의

---

📊 프로젝트 마일스톤

단계	기간	목표
M1	4/28 ~ 5/16	✅ E2E 파이프라인 완성 • VGG16 Desk Classifier • Blip → GPT 4o → SDXL 연계 • SDXL LoRA 커스텀 학습 • 성능: 5분 → 30초 단축 • FastAPI 비동기 처리
M2	5/19 ~ 6/9	✅ 프로덕션 배포 • Docker 컨테이너화 • SAM2 Inpainting 도입 • 응답시간 & TPS 벤치마크 • 프롬프트 고도화 • 상품 추천 최적화
M3	6/9 ~ 7/7	✅ 개인화 강화 • 요일별 테마 생성 • 물품 위치 감지 • 프롬프트 커스터마이징 • Classifier 고도화
M4	7/7 ~ 7/18	✅ 안정성 강화 • 부하 테스트 • 동시성 처리 검증 • 메모리 최적화 • 에러 핸들링
M5	최종	✅ 성과 정리 • 모델 정확도 • 응답속도 & TPS • 비용 분석 • 기술 선택 근거

---

🎯 핵심 기술 결정

모델 선택 배경

Blip → 정확한 이미지 설명으로 프롬프트의 기초 제공 Grounding DINO → 개방형 어휘(open-vocabulary) 객체 인식 SAM2 → 픽셀 단위 정밀 세그멘테이션 SDXL Inpainting → 배경 보존하며 자연스러운 합성

성능 최적화

• 모델 로드: 5분 → 30초 (모델 프리로딩)
• 메모리 관리: LoRA 동적 로드/언로드
• 응답 구조: 비동기 처리 + 요청 큐
• GPU 모니터링: 실시간 메모리 & 이용률 추적

---

더 자세한 내용은 각 링크의 Wiki 페이지를 참고하세요!