Q: 엔드 투 엔드 워크플로우(파일 업로드 → 태스크 실행 → 폴링 → 결과)는 어떻게 되나요?

표준 워크플로우는 다음과 같습니다. File API로 파일 업로드 후 file_id 를 받습니다. 태스크 API로 AR 가방 착용 태스크 실행 을 요청합니다. 태스크 상태를 폴링 해 success 또는 error 가 반환될 때까지 확인합니다. 결과 조회 를 통해 출력 이미지 URL과 결과 file_id 를 받습니다. 태스크 타임아웃을 방지하고 안정적인 완료를 위해 폴링이 필요합니다.

Question 1

3D 모델링 파일(OBJ, GLB 등)이 꼭 필요한가요?

Accepted Answer

아니요. 본 API는 2D 이미지를 기반으로 AI가 원근감과 볼륨을 계산하는 AI Generative Fitting 기술을 사용합니다. 고비용의 3D 에셋 제작 없이 일반 상품 사진만으로도 충분합니다.

Question 2

웹 브라우저에서도 별도 앱 설치 없이 작동하나요?

Accepted Answer

네. Safari, Chrome 등 모바일 브라우저 환경을 완벽히 지원하여 앱 설치 유도 없이도 매끄러운 사용자 경험을 제공합니다.

Question 3

단순한 이미지 오버레이와 무엇이 다른가요?

Accepted Answer

기존 방식은 단순히 가방 이미지를 이미지 위에 띄우는 방식이었으나, 당사의 API는 사용자의 포즈와 옷의 부피감을 인식합니다. 가방 끈이 어깨에 걸리는 각도나 몸의 기울기에 따른 왜곡까지 반영하여 실제 거울을 보는 듯한 입체감을 선사합니다.

Question 4

API가 자동으로 몸의 포즈와 어깨 위치를 인식하나요?

Accepted Answer

네. API는 어깨와 상체 등 주요 부위를 포함한 자동 신체 및 포즈 인식을 수행합니다. 이를 통해 숄더백, 크로스바디백 등 다양한 착용 스타일에 맞춰 가방을 올바른 위치에 자동으로 배치할 수 있습니다.

Question 5

사용자 이미지는 어느 정도가 필요하나요? (전신 / 상반신)

Accepted Answer

상반신 또는 전신 이미지 사용을 권장합니다. 최적의 결과를 위해 상체와 어깨가 또렷하게 보이는 것이 좋습니다. 조명이 밝고, 포즈가 명확하며, 가려짐이 적을수록 더 정확한 착용 결과를 얻을 수 있습니다.

Question 6

가방 이미지는 어떤 포맷을 지원하나요? (PNG, JPG, 투명 배경)

Accepted Answer

가방 이미지는 일반적으로 PNG와 JPG 포맷을 지원합니다. 투명 배경의 PNG 사용을 강력히 권장하며, 이를 통해 배경 잔상 없이 사용자 이미지 위에 가방을 깔끔하게 합성할 수 있습니다.

Question 7

엔드 투 엔드 워크플로우(파일 업로드 → 태스크 실행 → 폴링 → 결과)는 어떻게 되나요?

Accepted Answer

표준 워크플로우는 다음과 같습니다.

File API로 파일 업로드 후 file_id를 받습니다.
태스크 API로 AR 가방 착용 태스크 실행을 요청합니다.
태스크 상태를 폴링해 success 또는 error가 반환될 때까지 확인합니다.
결과 조회를 통해 출력 이미지 URL과 결과 file_id를 받습니다.
태스크 타임아웃을 방지하고 안정적인 완료를 위해 폴링이 필요합니다.

Question 8

일반적인 AR 가방 착용 태스크는 얼마나 걸리나요?

Accepted Answer

일반적인 AR 가방 착용 태스크는 이미지 크기, 서버 부하, 포즈 복잡도에 따라 다르지만, 보통 몇 초 안에 완료됩니다. 태스크는 비동기 방식으로 실행되므로, 완료 여부를 추적하기 위해 폴링을 구현해야 합니다.

AI 가방 가상 착용 API

단 한 장의 사진으로 구현하는 초실감 가방 가상 시착 솔루션. RESTful API를 통해 웹, 앱, 오프라인 스마트 미러까지 브랜드의 모든 터치포인트에 끊김 없는 쇼핑 경험을 통합하세요.

핵심 기능: 어떤 가방이든, 어떤 플랫폼이든 완벽하게

가방 카테고리를 가리지 않는 범용성

지능형 가방 착용 포즈 및 신체 인식

무손실 자산 활용

오토 스케일링 기술

가방 착용샷 AI 배경 생성 엔진

가상 가방 착용 API 워크플로우

파일 업로드

작업 실행

렌더링

결과값 응답

개발자 친화적인 심플하고 강력한 아키텍처

단일 로직으로 크로스 플랫폼 대응

경량, 저지연, 확장 가능한 AI 인프라