누적 데이터 구축 경험
VISION AI 데이터 인프라
탐지를 넘어,사건의 맥락을 이해하는 AI로.
물리보안 AI의 학습·평가를 위한 실환경 이벤트 데이터셋을 구축합니다.
렌더웍스(RenderWorks)는 실환경 시나리오를 설계·촬영·구조화·검수하여 Vision AI의 학습·평가 데이터셋을 구축하는 Vision AI 데이터 인프라 기업입니다. 현재 Physical Security AI를 중심으로 실환경 데이터 구축에 집중하고 있습니다.
01 / 수행 경험
실환경에서 쌓아온데이터 구축 경험.
RenderWorks와 핵심 수행진은 통제형 시나리오 촬영, 다중카메라 영상, 멀티모달 소스, 구조화 annotation 공정을 중심으로 데이터 구축 경험을 축적해왔습니다.
실환경 촬영 경험
RenderWorks + 핵심 수행진 경험
구축 경험 범위
- 통제형 이벤트 시나리오
- 다중카메라 영상
- RGB · IR · DEPTH
- TEMPORAL · BBOX · POSE · ROI
수치는 RenderWorks 수행 경험과 핵심 수행진의 이전 프로젝트 경험을 함께 반영한 누적치이며, 세부 레퍼런스는 공개 가능한 범위에서 제공합니다.
02 / 빠른 실환경 데이터 구축
필요한 실환경 데이터 3,000건을빠르게 구축하는 기준선.
기본 2+ 카메라 통제 촬영을 기준으로 클립 편집, 메타데이터, 요구 범위의 GT·Map·기하정보까지 연결합니다. 추가 센서, 고밀도 어노테이션, 멀티모달, 증강·합성은 과업 범위에 따라 확장합니다.
12시간 주·야간 통제 촬영 기준
기본 다중카메라 구성
기준 실환경 데이터셋 규모
촬영 → 편집 → 범위별 어노테이션 → QA
기준 생산 목표이며 고정 SLA가 아닙니다. 장소 접근성, 이벤트 난이도, 어노테이션 밀도, 추가 센서 요구에 따라 기간과 산출량은 조정됩니다.
03 / 영상이 데이터가 되는 과정
보이는 프레임이 아니라,일어난 사건을 구조화합니다.
하나의 실환경 사건에 시간적 맥락, 역할, 객체, 상호작용, 기하정보를 단계적으로 연결해 AI가 학습·평가에 사용할 수 있는 구조로 만듭니다.
PRIMARY
노트북 도난
도난 장면 이전의 맥락을 함께 구조화해야 소유자와 행위자의 역할을 구분할 수 있습니다.
OPEN BENCHMARK SAMPLE
- 01맥락
짧은 장면 이전의 이동과 역할을 함께 봅니다.
- 02역할 + 이동
소유자와 행위자의 누적 이동 맥락을 연결합니다.
- 03객체
노트북을 객체 단위로 분리합니다.
- 04구조
Pose와 장면 경계를 통해 상호작용을 좁힙니다.
- 05공간
ESTIMATED DEPTH로 장면의 공간 관계를 파생합니다.
- 06상태 변화
전후 차이에서 객체가 사라진 상태 변화를 확인합니다.
같은 구조화 방식으로, 이번에는 객체가 남겨지는 상호작용을 봅니다.
SECONDARY
물건 유기
손과 객체의 증거를 중심으로 사건 전후의 상태 변화를 구조화합니다.
OPEN BENCHMARK SAMPLE
- 01사건
짧은 행동 구간에서 상호작용을 찾습니다.
- 02손과 객체
Hand ROI와 가방 객체를 좁혀 봅니다.
- 03손 / 객체 분리
손과 객체가 멀어지는 변화를 연결합니다.
- 04구조
Pose와 장면 경계를 제한된 증거로 사용합니다.
- 05공간
ESTIMATED DEPTH로 공간 관계를 파생합니다.
- 06상태 변화
전후 차이에서 가방이 남겨진 상태를 확인합니다.
VIDEO + ANNOTATION + METADATA + PROVENANCE + QAMODEL-READY DATA
오픈 벤치마크 영상을 이용한 데모입니다. 표시된 증거는 원본 영상에 대해 RenderWorks가 수행한 어노테이션 작업 결과물입니다.
04 / 데이터 생산 파이프라인
촬영하고, 검수하고,편집하고, 검증합니다.
렌더웍스는 통제된 실환경 촬영부터 데이터셋 QA와 납품 준비까지 하나의 반복 가능한 생산 흐름으로 운영합니다.
- 01CAPTURE
필요한 사건을 실제 환경에서 재현합니다.
시나리오 설계 · 통제 환경 · 출연자 · 카메라 계획 · 주 / 야간 조건
OUTPUT원본 영상 - 02INSPECT
원본이 목표 데이터셋을 만들 수 있는 상태인지 확인합니다.
미디어 무결성 · 카메라 대응 · 정합 · 메타데이터 · 시나리오 대응관계
OUTPUT검수된 입력 - 03EDIT
원본 영상을 구조화된 사건 데이터로 만듭니다.
이벤트 클립 · Temporal GT · BBox · Pose · ROI · Segmentation · 기하정보 · 메타데이터
OUTPUT구조화 데이터셋 - 04VALIDATE
평가 또는 납품 전에 최종 데이터 패키지를 검증합니다.
파일 / 메타데이터 정합 · GT 대응 · 육안검수 · QA · 평가 활용 준비도
OUTPUT납품 준비 데이터
내부 S/W가 각 공정을 지원하지만 홈페이지에서는 앱 UI가 아니라 데이터 생산 흐름 자체를 증거로 보여줍니다.
05 / HUMAN-IN-THE-LOOP
HUMAN-IN-THE-LOOP DATA PRODUCTION
반복 작업은 자동화하고,판정이 필요한 구간은 사람이 검수합니다.
반복적인 데이터 생산 공정은 내부 도구로 줄이고, 의미 판단이 필요한 증거는 사람이 직접 확인합니다.
정합, 클립 제작, 구조화 입력, proposal 생성, 규칙 기반 검사를 내부 도구로 지원합니다.
가림, 역할 모호성, 이벤트 경계, 다인 장면, 모델 보조 결과는 최종 GT 확정 전에 사람이 검수합니다.
06 / RW DATASET
OPEN DATASET IN PREPARATION
RW DatasetComing Soon.
물리보안 AI 연구를 위한 실환경 이벤트 오픈 데이터셋을 준비하고 있습니다.
다양한 연구와 공개 벤치마크에서 재사용할 수 있는 데이터로 준비 중이며, 공개 범위와 라이선스, annotation 구성은 데이터셋 공개 시 안내합니다.
데이터셋 프로젝트 문의