CASE STUDY · REAL-TIME IMAGE PROCESSING
실시간 이미지 처리 시스템을 설계하고, 이미지 획득 지연을 206ms에서 13ms로 줄였습니다.
기술 총괄로서 작가와 함께 기획부터 납품까지 기술 전반을 맡았습니다. 초당 60회 이미지 데이터를 처리하는 파이프라인을 구축하고 Python 멀티프로세싱을 적용해 이미지 획득 지연을 206ms에서 13ms로 줄였습니다.
문제 해결 단계
이 단계는 이해를 위한 설명 순서이며 실제 의사결정의 시간순서를 주장하지 않습니다.
01 · CONTEXT
미디어 아트 제작의 전체 기술 범위를 담당했습니다.
기술 총괄로서 작가와 함께 미디어 아트 작품 제작에 참여하고, 기획부터 납품까지 전체 기술 파트를 담당했습니다.
핵심 내용 · 역할
기술 총괄 · 기획부터 납품까지 전체 기술 파트 담당
02 · REQUIREMENT
이미지 데이터는 매초 60회 처리되어야 했습니다.
AI가 가공한 데이터를 Unity 콘텐츠와 실시간으로 연동하기 위해, 매초 60회 이미지 데이터를 처리하는 조건에 맞춰 시스템을 설계했습니다.
핵심 내용 · 원문 조건
이미지 데이터 매초 60회 처리
환산 참고 · 환산 참고
초당 60회를 균등한 주기로 단순 환산하면 회당 약 16.7ms입니다. 실제 입력 간격, 처리 예산이나 종단 간 지연 보장을 뜻하지 않습니다.
03 · IMPLEMENTATION
실시간 이미지 전송·처리와 Unity 연동 로직을 구축했습니다.
Node.js, Python, Unity, WebSocket을 활용해 실시간 이미지 전송·처리와 Unity 콘텐츠 연동을 구현했습니다.
핵심 내용 · 기술
Node.js · Python · Unity · WebSocket
해석 시 유의사항 · 경계
구성요소의 실제 네트워크 토폴로지와 AI 모델은 기록에 없음
04 · INTERVENTION
이미지 획득에는 Python 멀티프로세싱을 적용했습니다.
이미지 획득 지연을 줄이기 위해 Python 멀티프로세싱을 적용했습니다.
핵심 내용 · 적용 기술
Python 멀티프로세싱
해석 시 유의사항 · 경계
대안, 트레이드오프와 실제 선택 과정은 현재 기록에 없음
05 · DISTRIBUTION
고부하는 여러 Raspberry Pi 클러스터로 분산 처리했습니다.
여러 Raspberry Pi 클러스터로 고부하 처리를 분산했습니다.
핵심 내용 · 구현
복수 Raspberry Pi 클러스터를 이용한 고부하 분산 처리
해석 시 유의사항 · 경계
장비 수량, 클러스터 구성과 지연 개선의 직접 인과는 미확인
06 · OUTCOME
Python 멀티프로세싱으로 이미지 획득 지연을 206ms에서 13ms로 줄였습니다.
두 값은 Python 멀티프로세싱 적용 전후의 이미지 획득 지연입니다.
핵심 내용 · 측정값
이미지 획득 지연 206ms → 13ms
환산 참고 · 환산 참고
기록된 두 값의 차이는 약 93.7% 감소에 해당합니다.
해석 시 유의사항 · 경계
측정 장비, 측정 횟수 또는 샘플 수와 전체 시스템의 종단 간 지연은 현재 기록에 없음
제가 구현한 내용과 성과
실시간 처리 파이프라인과 멀티프로세싱, 분산 처리로 성능 문제를 해결했습니다. 측정 범위가 남아 있지 않은 수치는 기록된 결과 이상으로 해석하지 않습니다.
직접 구현한 내용
- ✓매초 60회 이미지 데이터를 처리하는 실시간 파이프라인을 설계·구축했습니다.
- ✓Python 멀티프로세싱으로 이미지 획득 지연을 206ms에서 13ms로 단축했습니다.
- ✓여러 Raspberry Pi 클러스터로 고부하 분산 처리를 구현했습니다.
수치와 해석의 범위
- —206ms가 발생한 구체적인 병목 원인과 당시 검토한 대안
- —13ms가 전체 파이프라인 또는 AI 추론의 종단 간 지연이라는 해석
- —Raspberry Pi의 정확한 수량, 연결 구조와 지연 개선에 대한 직접 인과
제가 맡은 역할과 프로젝트 성과
기술 총괄로 기획부터 납품까지 책임졌고, 실시간 처리 파이프라인 구축과 성능 개선을 주도했습니다.
미디어 아트용 고부하 실시간 AI 이미지 처리 시스템
기술 총괄
기술 총괄로서 작가와 함께 작품 제작 프로젝트에 참여했습니다. 매초 60회 이미지 데이터를 처리하기 위해 실시간 데이터 처리 파이프라인을 설계·구축하고, AI가 가공한 데이터를 Unity 콘텐츠와 실시간으로 연동하는 핵심 로직을 구현했습니다.
담당 역할
- 기술 총괄: 기획부터 납품까지 전체 기술 파트를 담당했습니다.
- 백엔드/AI/3D 그래픽: Node.js, Python, Unity를 활용해 실시간 이미지 전송 및 처리 파이프라인을 설계·구현했습니다.
핵심 성과
- 실시간성 확보: Python 멀티프로세싱을 활용해 이미지 획득 지연을 206ms → 13ms로 단축했습니다.
- 아키텍처 최적화: 여러 라즈베리 파이 클러스터를 구축해 고부하 분산 처리를 구현했습니다.
기술 환경
OS: Windows, Ubuntu / 통신: WebSocket / 언어: Node.js, Python / 엔진: Unity / 도구: VSCode, Git