알고리즘의 완성도는 ‘원천 데이터의 해상도’에서 결정됩니다.
초개인화된 추천 서비스가 플랫폼의 경쟁력이 된 시대, 이미지 플랫폼 역시 사용자가 원하는 디자인 요소를 얼마나 정확하게 제안하느냐가 핵심입니다. 하지만 수만 개의 레이어로 구성된 PSD(Photoshop) 파일은 그 자체로 거대한 데이터 덩어리일 뿐, 개별 요소가 분리되지 않으면 알고리즘이 학습할 수 없습니다.
프롬데이터는 국내 최대 규모의 이미지 플랫폼과 함께 100만 개 이상의 디자인 레이어를 정밀하게 분리하고 속성을 부여하는 대규모 프로젝트를 1년 넘게 수행해오고 있습니다. 단순 반복 작업이 아닌, 디자인적 이해도가 필요한 이 프로젝트의 핵심 과정을 공개합니다.
100만 개 레이어 추출: 전문 디자이너가 투입되어야 하는 이유
데이터의 양이 방대해질수록 오류율을 낮추는 것이 관건입니다. 프롬데이터는 단순 인력이 아닌 포토샵 활용 능력이 검증된 전문 디자이너들로 전담 팀을 구성했습니다.
-
정교한 레이어 분리: 복잡하게 얽힌 PSD 파일 내에서 배경, 오브젝트, 텍스트 효과 등을 완벽하게 독립된 PNG 요소로 추출합니다.
-
품질의 일관성: 1년이라는 장기 프로젝트 기간 동안 수치화된 검수 기준을 바탕으로 100만 개 이상의 데이터셋에서 일정한 품질을 유지하고 있습니다.
이러한 고도화된 데이터 가공 프로세스는 플랫폼 내 검색 엔진이 각 디자인 요소의 특징을 개별적으로 인식하게 만드는 기초가 됩니다.
난제 해결: 비투명 배경 분리와 가이드라인의 진화
프로젝트 초기, 레이어 자체가 배경과 병합되어 있거나 투명도가 확보되지 않은 데이터들이 다수 존재하여 자동화 도구로는 처리에 한계가 있었습니다. 이는 데이터의 정확도를 떨어뜨리는 치명적인 요인이었습니다.
프롬데이터는 이를 방치하지 않고 솔루션을 제시했습니다.
- 가이드라인 재정립: 고객사와 긴밀한 커뮤니케이션을 통해 배경 분리 난이도에 따른 작업 기준을 세분화했습니다.
- 디자이너 심화 교육: 배경 제거(Nukki) 및 리터칭 기법에 대한 재교육을 실시하여, 어떤 환경에서도 깨끗한 PNG 요소를 추출할 수 있는 역량을 확보했습니다.
이러한 위기 대응 능력이야말로 프롬데이터가 제공하는 데이터 라벨링 서비스의 진정한 가치입니다.
추천 알고리즘을 위한 다차원 속성 부여
분리된 디자인 요소가 추천 알고리즘의 연료가 되기 위해서는 상세한 ‘이름표’가 필요합니다. 프롬데이터는 추출된 각 요소에 대해 세 가지 차원의 속성 부여 작업을 수행합니다.
-
색상(Color Indexing): 요소의 주된 색상값을 추출하여 ‘색상별 추천’ 기능을 지원합니다.
-
키워드(Keyword Tagging): 형태, 용도, 구성 요소를 텍스트 데이터로 변환합니다.
-
분위기(Mood & Style): ‘모던한’, ‘감성적인’, ‘미니멀한’ 등 추상적인 스타일을 분류하여 사용자의 취향에 맞는 추천을 가능케 합니다.
이러한 다차원 메타데이터는 단순한 이미지 검색을 넘어, 사용자의 작업 맥락을 이해하는 고차원 AI 학습 데이터로 활용됩니다.
데이터 파트너로서의 프롬데이터
이미지 플랫폼의 성장은 얼마나 양질의 데이터를 보유했느냐에 달려 있습니다. 프롬데이터는 지난 1년간 100만 개의 레이어를 처리하며 쌓은 노하우를 바탕으로, 고객사의 서비스가 사용자에게 더 가까이 다가갈 수 있도록 돕고 있습니다.
전문적인 디자인 역량과 정교한 데이터 공학이 결합된 솔루션이 필요하시다면, 프롬데이터가 최상의 파트너가 되어드리겠습니다.