Skip to content
@RunnersFeed-Project-Oracle-boot-camp

RunnersFeed Project(Oracle boot camp)

Runners Feed Project Archive

2D 러닝 영상 분석 프로젝트에서 측정 가능한 자세 피처를 검토하고, 영상 처리 병목을 실험으로 확인한 뒤, RunPod GPU 비동기 분석 서버를 구현해 팀 제품에 반영한 과정을 정리한 개인 기술 아카이브입니다.

Runners Feed는 오라클 의료 바이오 AI 부트캠프에서 진행한 팀 프로젝트입니다. 이 Organization은 직접 수행한 실험, 프로토타입과 기술 기록을 중심으로 구성하며, 팀 전체 결과와 개인 기여를 구분해 표시합니다.

Project

Runners Feed는 사용자가 측면에서 촬영한 러닝 영상을 업로드하면 관절 움직임을 분석하고, 자세 측정값과 개선 행동을 리포트로 제공하는 러닝 자세 분석 서비스입니다.

My Contributions

1. 2D 영상에서 측정 가능한 자세 피처 검토

  • 러닝 생체역학 연구의 지표가 측면 2D 영상과 Halpe-26 좌표로 계산 가능한지 검토했습니다.
  • 지면반력, 관절 모멘트와 대사량처럼 별도 장비가 필요한 지표는 2D 영상 측정 대상에서 제외했습니다.
  • 거리 관련 값은 실제 길이로 단정하지 않고 신체 크기로 정규화한 비율로 다뤘습니다.
  • 연구 참고값을 의료 진단 기준이 아닌 비교용 정보로 구분했습니다.

2. 영상 처리 성능과 결과 차이 검증

  • PNG와 JPEG 품질 95의 프레임 저장시간, 저장용량과 Halpe-26 좌표 차이를 비교했습니다.
  • OCI CPU와 RunPod GPU의 영상 전송, 분석, 렌더링, 인코딩과 결과 다운로드를 포함한 왕복시간을 측정했습니다.
  • 속도 개선뿐 아니라 CPU·GPU 포즈 결과의 차이와 실험 한계를 함께 기록했습니다.

3. RunPod 비동기 영상 분석 서버 구현

  • OCI와 RunPod 사이의 Object Storage 기반 입력·산출물 전달 구조를 구현했습니다.
  • 작업 등록, 상태 polling, 중복 추론 방지와 작업 상태 보존 기능을 추가했습니다.
  • 모델 release, checksum과 결과 manifest를 이용해 산출물을 추적할 수 있도록 했습니다.
  • 구현을 팀 저장소에 PR로 반영하고 운영 중 발견한 오류에 회귀 테스트를 추가했습니다.

Results

검증 항목 기존 방식 변경 방식 관측 결과
프레임 저장시간 PNG 17.69초 JPEG 품질 95 3.07초 82.6% 단축
저장용량 PNG 902MB JPEG 품질 95 186MB 79.4% 감소
255프레임 처리 OCI CPU 16.876초 RunPod GPU 왕복 8.773초 48.01% 단축
631프레임 처리 OCI CPU 83.351초 RunPod GPU 왕복 17.461초 79.05% 단축

위 결과는 프로젝트의 제한된 시험 영상과 실행 환경에서 측정한 값입니다. 모든 입력 영상이나 GPU 환경에서 같은 결과를 보장하지 않습니다.

Featured Work

영상 분석 병목을 측정하고, OCI CPU와 RunPod GPU의 실제 왕복 처리시간을 비교했습니다. 이후 Object Storage와 비동기 작업 계약을 이용한 GPU 분리 구조를 팀 제품에 연결했습니다.

프레임 저장 형식 변경이 처리시간, 용량과 포즈 좌표에 미치는 영향을 동일 영상으로 비교했습니다. 큰 오차가 발생한 화면 진입·퇴장 구간도 별도로 확인했습니다.

RTMDet과 RTMPose-M Halpe-26을 이용해 영상 입력부터 자세 추정, 피처 계산과 코칭 리포트 생성까지 연결한 기능 검증용 프로토타입입니다.

Additional Work

Pull Request Evidence

초기 통합 변경은 팀의 브랜치 검토 순서를 맞추기 위해 한 차례 되돌렸습니다. 이후 구조와 적용 범위를 다시 정리해 비동기 서버로 구현했고 PR #34를 통해 팀 저장소 main에 병합했습니다. 후속 모델 통합과 안정화 작업은 팀원들의 공동 기여입니다.

Scope and Limitations

  • 이 결과는 의료 진단이나 부상 예측을 제공하지 않습니다.
  • 착지와 toe-off는 2D 관절 좌표 변화로 추정한 이벤트입니다.
  • 카메라 각도, 가림, 모션 블러와 화면 진입·퇴장 구간이 결과에 영향을 줄 수 있습니다.
  • 최종 앱, API, 모델과 운영 인프라 전체는 팀 공동 결과입니다.
  • PRD, WBS, BMC와 최종 발표자료는 팀 공동 산출물이며 개인 단독 작성물이 아닙니다.

Documentation

Pinned Loading

  1. runners-feed-showcase runners-feed-showcase Public

    Runners Feed 팀 프로젝트의 시연, 아키텍처, PoC 검증과 개인 기여를 정리한 포트폴리오 허브

  2. CPU-GPU-Speed-Compare-by-RunPod CPU-GPU-Speed-Compare-by-RunPod Public

    OCI CPU와 RunPod GPU의 영상 분석 왕복 성능을 비교하고 비동기 GPU 처리 구조로 연결한 실험 기록

    Python

  3. running-pose-feature-prototype2 running-pose-feature-prototype2 Public

    측면 러닝 영상에서 Halpe-26 자세 좌표와 16개 러닝 피처를 계산하는 기능 검증용 프로토타입

    Python

  4. PNG-vs-JPEG-Rendering-Performance-and-FPS-Comparison PNG-vs-JPEG-Rendering-Performance-and-FPS-Comparison Public

    PNG와 JPEG 품질 95의 프레임 저장 성능, 용량과 Halpe-26 좌표 차이를 비교한 실험

    Python

Repositories

Showing 10 of 10 repositories

People

This organization has no public members. You must be a member to see who’s a part of this organization.

Top languages

Loading…

Most used topics

Loading…