옷을 바꾸는 게 아니라
“이 옷이 나에게 어떻게 맞는지” 검증한다
핵심은 같은 실제 상품을 그대로 고정하고, 사람만 바꿔 입혀 보면서 핏을 계산·검증하는 것입니다.
문제는 “온라인 쇼핑”이 아니라 “핏 불확실성”
모르면 여러 사이즈를 주문하거나, 감으로 고르고, 결국 되돌려 보낼 수 있습니다.
내 몸은 앎
뜻이 제각각
실제 착장 모름
사이즈 선택 실패
재포장까지
이 서비스가 겨냥하는 사회문제는 “회피 가능한 핏 관련 반품과 추가 물류·포장”입니다.
무엇을 해결하고, 무엇은 일부러 제외하나
범위를 좁혀야 실제로 검증할 수 있습니다.
직접 해결
가슴·허리·상완의 맞음새, 소매·총장·어깨 위치, 브랜드별 치수 정의 차이, 사이즈 불안 때문에 생기는 중복 주문.
별도 관리·제외
배송 지연, 파손, 오배송, 색상 차이, 봉제 불량, 단순 변심, 가격 변화, 사기성 반품, 의류 폐기물 전체.
기존 가상 착장과 다른 점
3차원 아바타가 새롭다는 주장이 아닙니다. “검증 가능한 상품”이 핵심입니다.
보여주기 중심
사진처럼 그럴듯하게 보이게 하는 것 자체가 목표가 될 수 있음.
검증 중심
상품 실측·패턴·소재 버전, 계산 결과, 불확실성, 실패·보류까지 남김.
가장 중요한 원칙: 상품과 사람을 분리한다
이 원칙이 무너지면 실제 상품이 아니라 “사용자에게 맞춘 가짜 맞춤복”을 보여주게 됩니다.
같은 재고관리단위의 원형 패턴과 물성은 고정. 달라지는 것은 착장 후 표면의 늘어남·접촉·주름·낙하입니다.
판매자 쪽에서는 “한 번 잘 만들어 계속 재사용”
상품 등록 단계는 고비용이어도 괜찮지만, 승인된 뒤에는 같은 자산을 반복 사용합니다.
원본 패턴, 수정 가능한 모수, 측정 지점, 소재 교정 기록, 버전 이력을 함께 저장합니다.
“가슴 54”만 있으면 아직 아무것도 모르는 것과 비슷하다
숫자보다 먼저 그 숫자의 뜻을 확인해야 합니다.
예: 단면 54cm
측정법이 허용하면 둘레 108cm로 정규화할 수 있음.
하지만 자동 두 배 금지
숫자가 작다는 이유만으로 둘레로 바꾸면 안 됨.
오차도 데이터
모르는 허용오차를 “0”으로 저장하지 않음.
데이터가 부족하면 “모른다”고 말하는 것도 기능
정보가 적은데도 정밀한 핏을 확정하는 것이 더 위험합니다.
상세 예측 가능
실제 패턴, 충분한 제품치수지점, 교정된 원단 물성. 검증 범위 안에서 상세 핏 제공.
범위와 제한 표시
샘플·핵심 실측은 있으나 일부 추정. 실착으로 추가 교정.
외형·길이 중심
사진과 2~4개 치수뿐. 정밀 핏·착용감을 확정하지 않음.
보기 좋은 3차원 파일보다 “봉제 가능한 구조”가 중요하다
원형 패턴·봉제 연결·측정 지점·원단 방향·수정 범위가 있어야 시뮬레이션을 검증할 수 있습니다.
셋인·드롭숄더
가슴·총장·소매
같은 가슴둘레라도 몸 모양은 다를 수 있다
몇 개의 둘레만으로 한 사람의 정확한 3차원 몸을 복원했다고 말하지 않습니다.
처음 받는 최소 입력
키, 가슴·허리·엉덩이 둘레, 원하는 핏.
애매할 때만 추가
어깨너비, 상완둘레, 팔길이 등 필요한 항목만 질문.
원단도 불확실성
혼용률만으로 확정하지 않고 인장·회복·굽힘·처짐·마찰을 교정.
결론이 흔들리면
“상완 정보에 따라 결과가 달라짐”처럼 조건을 그대로 보여 줌.
전체 시스템은 이렇게 연결된다
언어모델은 계획·오류복구를 돕고, 치수·물리는 코드와 검증기가 결정합니다.
언어모델이 함
스펙 해석, 템플릿 후보, 허용 도구 호출, 오류 원인 분류, 추가 질문.
코드가 함
단위 변환, 치수 최적화, 물리 계산, 충돌·길이 측정.
언어모델이 안 함
자기 문장으로 “합격” 판정, 임의 코드 실행, 실물 정답 대체.
구매자는 “한 사이즈 추천”보다 “차이와 이유”를 본다
같은 자세·카메라에서 인접 사이즈를 나란히 비교합니다.
작은 사이즈
가슴 여유 적음 · 소매 짧음
중간 사이즈
가슴 보통 · 소매 적정
큰 사이즈
가슴 여유 큼 · 소매 길 수 있음
판매자 화면은 “예쁘게 등록”보다 “틀린 스펙 잡기”
승인 전까지 상세 피팅을 공개하지 않습니다.
누락 경고
핵심 제품치수지점이 비어 있으면 추가 측정 요청.
단위 충돌
센티미터·밀리미터, 단면·둘레, 완성복·권장 신체치수 구별.
지원 범위 경고
템플릿에서 벗어난 구조면 억지 변형 대신 새 템플릿 또는 제외.
강화학습은 “여러 번 다시 시도”와 다르다
문서는 검증 기반 실행 루프와 실제 정책 학습을 명확히 분리합니다.
검증 기반 실행 루프
고정 모델이 계획 → 검사기 평가 → 오류만 수정 → 좋은 유효 결과 채택. 정책 자체는 바뀌지 않음.
실제 검증형 강화학습
후보별 보상을 이용해 학습 가능한 소형 모델 또는 도구 선택 정책의 파라미터를 실제 업데이트.
검사 점수를 속이는 편법도 미리 막는다
보상이 있으면 시스템은 보상을 쉽게 얻는 꼼수를 찾을 수 있습니다.
편법 1
몸을 작게 만들거나 옷을 몰래 늘려 충돌 제거.
편법 2
몸 안쪽에 들어간 의류 면을 삭제.
편법 3
앞면만 보기 좋게 만들고 뒤쪽 오류 숨김.
편법 4
원단을 임의로 부드럽게 바꿔 잘 맞게 보임.
편법 5
어려운 사례는 전부 보류해 정확도만 올림.
편법 6
검사 기준이나 정답 파일 자체를 수정.
성공을 “느낌”이 아니라 숫자로 미리 정의
아래는 산업 표준이나 달성값이 아니라 본선용 초기 목표안입니다.
실물 검증: 36개 상품 단위 × 30명 × 180회 착장
개발용과 최종 비공개 평가를 분리합니다.
20명 · 8스타일 · 120회
원단 물성, 핏 규칙, 추가 질문 기준을 조정.
새 10명 · 새 4스타일 · 60회
사람과 스타일을 겹치지 않게 해 최종 평가.
전문가의 외형·여유 판단과 착용자의 감각·선호를 억지로 하나의 정답으로 합치지 않습니다.
“우리 방식이 낫다”는 말 대신 같은 조건에서 비교
다섯 기준선을 같은 입력·지원 범위·예산 조건에서 비교합니다.
기준 0
잘 만든 사이즈표 + 여유량 규칙.
기준 1
템플릿 + 수치 최적화 + 고정 시뮬레이션.
기준 2
언어모델 1회 생성.
기준 3
검증 기반 반복 탐색.
기준 4
실제 검증형 강화학습 정책.
핵심 공정성
반복 탐색과 학습 정책은 같은 계산 예산에서 비교.
기술 정확도와 “반품 감소”는 별도 시험
핏 예측이 좋아졌다고 자동으로 반품이 줄었다고 말할 수 없습니다.
주요 지표
방문자당 핏 관련 반품 건수, 방문자당 최종 보유 구매 건수.
함께 보는 지표
구매 전환, 구매 포기, 여러 사이즈 동시 주문.
4인 팀 + 외부 전문가, 그리고 권리·개인정보
부서 이름보다 실제 산출물과 책임을 명확히 합니다.
의류·상품 책임
카테고리, 제품치수지점, 템플릿, 핏 기준, 판매자 모집.
자동화·기술 책임
파이프라인, 작업자, 검증기, 학습, 배포, 비용 로그.
참여자 운영 책임
모집, 동의, 일정, 이해도·사용성 평가.
물류·비용 책임
상품 이력, 단위 정합성, 반품 물류, 포장재·회피비용 계측.
일정과 예산도 “무엇을 언제 동결하는가”가 핵심
최종 비공개 시험을 본 뒤 평가 기준을 낮추지 않도록 미리 버전을 고정합니다.
예산 가정: 약 704만원 · 팀 인건비 제외
견적 확정값이 아니라 내부 배분안입니다.
첫 72시간에 무엇을 만들어야 하나
큰 화면보다 “같은 상품이 다른 몸에 제대로 입혀지는가”를 먼저 증명합니다.
권리·팀·측정 언어
4인 역할, 권리 원칙, 판매자 요청서, 티셔츠 제품치수 사전.
권리 확보 템플릿 + 3사이즈
상품·인체 데이터 분리, 단위 검사, 원형 불변 검사.
같은 상품 × 다른 아바타 3명
반복 실행 로그, 실제 샘플과 1차 비교, 실패 원인 기록.
본선에서 심사위원에게 보여줄 증거 3개
기술 설명보다 “증거의 연결”이 입상 경쟁력을 만듭니다.
① 실제 옷을 보존
상품 실측, 패턴·소재 버전, 수정 이력, 검증 로그.
② 실물에 가까워짐
비공개 실착, 기존 방식 비교, 실패·보류 사례.
③ 낭비 감소 경로
판매자 협력, 반품 사유·비용, 포장재 계측.
최종 합격은 평균점수 하나가 아니라 “동시에 통과”
어느 한 지표가 좋다고 배포하지 않습니다.
문서 전체를 한 장으로 다시 보기
제품 등록 → 개인 착장 → 독립 검증 → 실물 검증 → 반품 효과 검증의 다섯 층입니다.
원문에 포함된 주요 참고 자료 보기
- 대회 공식 안내: 주요 내용
- 대회 공식 안내: 심사 기준
- 민관협력 지원 플랫폼
- 미국 소매 반품 조사
- 구글 가상 착장 공식 설명
- 스타일미 3차원 피팅
- 트루핏 공식 플랫폼
- 핏 연구 프로젝트
- 핏 가상 착장 코드 저장소
- 핏 프리뷰 데이터
- 핏브이티온 연구
- 가먼트코드 저장소
- 가먼트코드 라이선스
- 블렌더 천 시뮬레이션 문서
- 엔비디아 워프
- 클로 핏 맵
- 클로 변형률 맵
- 사이즈코리아
- 사이즈코리아 3차원 인체 형상
- 검증형 강화학습 관련 연구
- 검증기 보상 편법 연구
- 개인정보 보호법 제16조
위 링크는 첨부 문서의 참고 자료 목록을 그대로 바탕으로 정리한 것입니다. 이 설명서 제작 과정에서 별도로 웹 검증한 결과가 아닙니다.