Deep Interview Round 1

작성일: 2026-05-13 · 주제: Sprint 1 모델/데모 범위 확정

핵심 결론

이 프로젝트는 종로구의 지정 랜드마크 10~15개에 대해 사용자가 사진을 올리면 Top-3 후보를 보여주고, 사용자가 후보를 선택해 상세정보를 확인하는 오프라인 온디바이스 기술 시현 프로그램이다. 정확도가 최우선이며, 모델 크기와 1초 이하 latency는 절대 조건이 아니라 온디바이스 동작 가능한 범위에서 조정한다.

Interview Notes

질문 영역	사용자 답변	설계 반영
제품 목적	사용자가 찍어 올린 사진이 어떤 랜드마크인지 알려주는 프로그램. 현재는 온디바이스 모델 기술 시현이 목적.	retrieval-first Top-3 UX를 유지하되, fixed landmark set classification을 보조 지표로 둔다.
범위	종로구 특정 랜드마크 10~15개로 한정. 현재 class set은 고정.	open-set 확장성보다 fixed-set 정확도와 rejection 품질을 우선한다.
결과 UX	Top-k 3개를 보여주고, 사용자가 골라 상세정보를 본다.	Top-3 Accuracy와 confidence calibration을 primary metric으로 둔다.
범위 외 입력	어디에도 해당하지 않으면 현재 목적 범위에 맞는 안내 문구를 띄운다.	reject/not-in-scope message와 threshold 설계를 Sprint 1 데모에 포함한다.
Sprint 1 데모	꼭 앱 형태가 아니어도 되지만, 온디바이스 모델 탑재, 사용자 사진 입력, 검색, 결과 출력까지 동작해야 한다.	Flutter가 아니어도 local web/desktop demo 허용. 단 외부 inference server 없이 local runtime에서 모델이 실행되어야 한다.
성능 우선순위	정확도가 최우선. 50MB 이하와 1초 이하는 절대 조건이 아님. 저신뢰/비대상 구분도 신뢰도 때문에 중요.	accuracy-first model selection으로 변경. size/latency는 reporting metric과 engineering constraint로 격하한다.
Negative data	아직 없음. 한국 전통 건물 중 비슷한 건물끼리 구분이 잘 되기를 원함.	hard negative 수집을 별도 데이터 과제로 추가. 경복궁/동대문 같은 유사 전통 건축물 구분 샘플을 우선 수집한다.
백업	W&B로 학습 데이터 추적, Google Drive 자동 업로드 백업을 원함. gdrive 방식에 관심 있음.	W&B는 tracking/artifact source of truth, Google Drive는 rclone remote `gdrive:` 기반 복구 백업으로 분리한다.