Clad 진단 방법론
Clad는 얼굴 사진의 색상·대비 정보를 구조화해 계절과 세부 유형을 추정하고, 그 결과를 메이크업·패션 색상 가이드로 바꿉니다. 아래 내용은 현재 구현과 변경 검증 절차를 설명하며, 공개하지 않은 정확도 수치를 암시하지 않습니다.
방법론 검토일: 2026-09-04
Clad의 퍼스널컬러 유형은 무엇을 기준으로 정하나요?
유형은 두 개의 축 위에서 정합니다. 따뜻함·차가움 축과 밝음·깊음 축이고, 두 축이 만드는 네 구역이 각각 계절이 됩니다. 각 축은 사진에서 잰 값과 답변을 정해진 비중으로 합쳐 계산하며, 축마다 비중이 다릅니다. 따뜻함·차가움 축에서는 답변의 비중이 더 크고, 모델이 내놓은 계절 판단은 이 축의 계산에 들어가지 않습니다. 밝음·깊음 축에서는 사진 측정값과 모델 판단이 함께 쓰입니다. 따라서 답변과 사진이 다른 방향을 가리키면 최종 유형이 모델의 첫 판단과 달라질 수 있으며, 이는 오류가 아니라 설계된 동작입니다.
처리 단계
- 사진의 형식과 크기가 분석에 적합한지 확인합니다.
- 얼굴 존재 여부, 촬영 품질과 분석 가능한 구도를 확인하고 필요한 얼굴 영역을 전처리합니다.
- 버전을 고정한 분석 기준에 따라 색상 관찰값과 계절, 세부 유형을 만듭니다.
- 결과가 정해진 범위와 형식을 벗어나지 않는지 확인하고, 분석이 불안정하면 재촬영을 안내하거나 확인된 범위까지만 알려 드립니다.
- 검증된 유형과 관찰값을 기준으로 색 팔레트와 메이크업·패션 활용 설명을 구성합니다.
신뢰도와 결과 해석
신뢰도는 사진 한 장의 결과가 절대적으로 정확하다는 확률이 아닙니다. 해당 입력과 현재 모델에서 결과가 얼마나 분명하게 구분되었는지를 해석하는 보조 신호입니다. 조명, 화이트밸런스, 필터, 색조 화장과 카메라 처리 방식이 달라지면 같은 사람도 다른 결과가 나올 수 있습니다.
변경 전 평가 절차
분석 방식을 바꿀 때는 변경을 하나의 버전으로 묶어 이전 버전과 비교합니다. 평가용 사진과 라벨은 운영 사용자 업로드와 분리된 비공개 데이터셋에서 관리하고, 개인을 직접 나타내는 식별자는 되돌릴 수 없는 값으로 바꾸도록 설계했습니다. 후보 변경은 계절별 분포, 재촬영 판정, 일관성, 지연시간과 실패율을 확인하며, 결과 설명은 고정 사실 보존, 금지 표현, 언어 누출, 실패 시 대체 문구를 자동 검사합니다. 콘텐츠 품질 변경은 릴리스 정보를 숨긴 블라인드 검토 절차를 사용합니다.
Clad는 대표성 있는 독립 검증 표본과 라벨링 근거를 함께 공개할 수 있을 때까지 “정확도 90%” 같은 단일 홍보 수치를 게시하지 않습니다.
분석하지 않는 것
- 사진 속 인물의 신원 확인
- 인종·건강 상태·질환이나 피부 질환 진단
- 성격, 능력 또는 사회적 특성 추론
- 전문가 오프라인 드레이프 진단을 대체하는 확정 판정
재현 가능한 확인 방법
같은 장소, 같은 조명, 같은 카메라 설정에서 정면 사진을 두세 장 촬영해 결과의 방향이 반복되는지 확인하세요. 결과가 크게 달라지거나 신뢰도가 낮으면 자연광에서 다시 촬영하고, 중요한 스타일 결정에는 오프라인 드레이프 진단을 함께 참고하는 것을 권합니다.