파이프라인이 진짜로 느려지는 지점은 생성이 아니라 리뷰입니다. 우리는 브랜드 가이드와 과거 승인·반려 샘플로 학습시킨 작은 비전 모델 한 개로 이 구간을 줄였습니다. 그 경험을 정리합니다.
어긋남은 대체로 네 가지로 모입니다
여러 프로젝트를 돌려 보면 반려 사유는 네 갈래로 모입니다. 브랜드 컬러가 어긋난 경우, 소재와 질감이 어긋난 경우, 인물이나 제품 소품의 일관성이 깨진 경우, 구도와 레이아웃 규칙을 벗어난 경우입니다. 시니어 아트디렉터가 1초 안에 판정하는 항목입니다. 작은 비전 모델에 학습시키기에도 알맞습니다.
학습 데이터는 거창하지 않습니다. 브랜드 가이드 PDF, 그리고 그 브랜드에서 과거에 승인·반려된 이미지 수백 장이면 시니어의 판정과 대부분 일치하는 QC 모델이 나옵니다. 한 번 학습한 모델은 같은 브랜드의 다음 캠페인에서 그대로 다시 씁니다.
파이프라인 안에서의 자리
이 모델은 생성 직후, 사람 리뷰 직전에 둡니다. 모든 후보 컷을 점수화하고 하위 점수는 자동으로 떨어뜨립니다. 살아남은 결과물만 아트디렉터의 화면에 오릅니다. 리뷰가 '반려 찾기'에서 '살릴 컷 고르기'로 바뀝니다.
MCM MIRUM처럼 반복 촬영 없이 다수 컷을 뽑아야 하는 작업, 현대차 UXHMI처럼 가이드가 촘촘한 작업에서 리뷰 회차가 눈에 띄게 줄었습니다. 크리에이터와 미디어 쪽에서도 같은 QC를 자기 손에 쥐여 달라는 요청이 함께 늘고 있어서, 같은 모델을 커스텀 SaaS로 옮겨 심는 일도 잦아졌습니다.
RELATED CAPABILITIES
Snake Steak · Snake Steak Foundry