Super Duper: Video-to-Shop 듀프 의류 추천 서비스

<aside> <img src="/icons/balloon_lightgray.svg" alt="/icons/balloon_lightgray.svg" width="40px" /> Title

Super Duper : Video-to-Shop 듀프 의류 추천 서비스

</aside>

<aside> <img src="/icons/groups_lightgray.svg" alt="/icons/groups_lightgray.svg" width="40px" /> Members

김협: 팀장, AI 총괄, STT/LLM

김성민: DB 구축, AI 보조

이상곤: Back-End, AI

장정윤: Front-End

박민선: AI 보조

</aside>

<aside> <img src="/icons/book-closed_lightgray.svg" alt="/icons/book-closed_lightgray.svg" width="40px" /> Abstract

VOD 시청 중, 관심 의류에 대한 발화(e.g., “가운데 옷 정보 알려줘”)를 통해 합리적인 가격의 유사 디자인 의류(듀프)를 추천해주는 서비스

</aside>

<aside> <img src="/icons/light-bulb_yellow.svg" alt="/icons/light-bulb_yellow.svg" width="40px" /> My Contributions

☑︎ 제가 기여한 부분에 대한 소개입니다.

주제 선정과 각 유저 플로우에서의 방법론을 정립했습니다.
STT(Speech-to-Text)와 LLM 기능을 구현했습니다.
Match R-CNN을 통해 추출한 정보만으로 적절한 추천이 이뤄지지 않는다는 문제점을 극복하고자, Fashion CLIP을 통해 새로운 Featrue extraction을 수행하였습니다.
최종 시연, 최종 발표, 7회의 정기 멘토링을 모두 진행했습니다.
발표 자료를 제작하였습니다. </aside>

<aside> <img src="/icons/checkmark_blue.svg" alt="/icons/checkmark_blue.svg" width="40px" /> Achievements

기존의 수동적인 사용자 관심 영역 지정 방식을 개선한 단순 발화 기반 사용자 관심 영역 파악
Luxury DB / Dupe DB 구분을 통한, 기존의 수동 입력 기반 Video-to-Shop 기능 개선
Golden Dupe Price Function 도입을 통한 단순 유사 의류가 아닌 합리적인 가격을 고려한 추천 시스템 </aside>

<aside> <img src="/icons/no-entry_red.svg" alt="/icons/no-entry_red.svg" width="40px" /> Limitations

제한된 VOD 내에서는 Luxury DB 내, 원본 상품을 정확히 탐지하고 있으나, 다양한 VOD 내 의상에 대한 정확도 점검이 필요할 것
Golden Dupe Price Function 내의 ****합리적인 가격대를 결정하는 Golden Dupe Price Range 설정에 대한 전문가 자문이 필요할 것
주기적으로 갱신되는 명품 상품의 특성을 고려한, Data Crawler Scheduling 도입이 필요할 것 </aside>

<aside> <img src="/icons/archive_green.svg" alt="/icons/archive_green.svg" width="40px" /> Final materials

<aside> <img src="/icons/activity_green.svg" alt="/icons/activity_green.svg" width="40px" /> 1. PPT

</aside>

Full materials

</aside>

<aside> <img src="/icons/document_lightgray.svg" alt="/icons/document_lightgray.svg" width="40px" /> References

</aside>