<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0"><channel><title><![CDATA[Pai Media Lab]]></title><description><![CDATA[Pai Media Lab]]></description><link>https://www.paimedialab.com/the-review</link><generator>RSS for Node</generator><lastBuildDate>Mon, 01 Jun 2026 05:59:29 GMT</lastBuildDate><atom:link href="https://www.paimedialab.kr/blog-feed.xml" rel="self" type="application/rss+xml"/><item><title><![CDATA[[서울시 X 셀파이엔씨(주)] 굴착공사 현장 지반함몰 사고 방지 시스템]]></title><description><![CDATA[with 서울특별시, 셀파이엔씨(주) l 25. 05 - 25. 09 안녕하세요, 시각 인공지능 솔루션으로 도시 안전의 혁신을 이끄는 파이미디어랩입니다. 오늘은 최근 사회적 이슈로 떠오른 '지반함몰(싱크홀)' 문제에 대응한 프로젝트를 소개해 드립니다. 셀파이엔씨(주)와 협력하여 '서울시 지반침하 사고 예방 신기술 공개모집'에 제안한 '굴착공사 현장 지반함몰 사고 방지 시스템' 구축 사례입니다. 서울아레나 건설현장 주변 보도에서 현장 실증을 성공적으로 완료하며, 최종적으로 서울시로부터 지반침하 신기술로 지정받는 성과를 거두었습니다. 사후 대응에 머물던 기존 방식을 넘어, 심부~천부~포장 구간을 아우르는 단계적 사전 예지 체계로 시민의 안전을 지키는 방법을 확인해 보세요. Project Background "눈에 보이지 않는 지하의 위협, 어떻게 사전에 감지할 것인가?" 서울시를 비롯한 대도시에서 지반함몰 사고가 잇따라 발생하면서, 굴착공사 현장 주변의 시민 안전에 대한 우려가...]]></description><link>https://www.paimedialab.com/post/%EC%84%9C%EC%9A%B8%EC%8B%9C-x-%EC%85%80%ED%8C%8C%EC%9D%B4%EC%97%94%EC%94%A8-%EC%A3%BC-%EA%B5%B4%EC%B0%A9%EA%B3%B5%EC%82%AC-%ED%98%84%EC%9E%A5-%EC%A7%80%EB%B0%98%ED%95%A8%EB%AA%B0-%EC%82%AC%EA%B3%A0-%EB%B0%A9%EC%A7%80-%EC%8B%9C%EC%8A%A4%ED%85%9C</link><guid isPermaLink="false">69f040a5d3f2ae6dd9130376</guid><pubDate>Mon, 11 May 2026 08:42:50 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/08b148_f13b74d51a1b4d6d84d1cc6cc91d28e6~mv2.jpg/v1/fit/w_1000,h_800,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>부경 권</dc:creator></item><item><title><![CDATA[[마이셀] 대체가죽(균사 피혁) 품질 검사를 위한 AI 솔루션 개발]]></title><description><![CDATA[with (주)마이셀, 성균관대학교 DXLab l 23. 05 - 23. 12 안녕하세요, 시각 인공지능 솔루션으로 제조 현장의 디지털 전환을 이끄는 파이미디어랩입니다. 오늘은 친환경 신소재의 미래로 주목받는 '균사체 기반 대체가죽(비건 레더)' 의 품질 검사 자동화 프로젝트를 소개해 드립니다. 중소기업기술정보진흥원의 산학연 Collabo R&#38;D 사업 일환으로 (주)마이셀의 양산 공정을 대상으로 진행되었으며, 성균관대학교 DXLab과 협력하여 육안검사에 의존하던 비정형 가죽 소재의 품질 관리에 AI를 접목한 사례입니다. 비정형 유기체 품질 판별 정확도 98.15%를 공인 인증 기관(KOTCA)으로부터 검증받은 파이미디어랩의 기술력을 확인해 보세요. Project Background "육안 검사의 한계, 비정형 균사 원피의 품질을 어떻게 정량화할 것인가?" 균사체 기반 대체 가죽은 자동차 시트, 패션, 식품 등 제조 전반에서 주목받는 친환경 신소재입니다. 하지만 유기체 배양...]]></description><link>https://www.paimedialab.com/post/%EC%A3%BC-%EB%A7%88%EC%9D%B4%EC%85%80-%EB%8C%80%EC%B2%B4%EA%B0%80%EC%A3%BD-%EA%B7%A0%EC%82%AC-%ED%94%BC%ED%98%81-%ED%92%88%EC%A7%88-%EA%B2%80%EC%82%AC%EB%A5%BC-%EC%9C%84%ED%95%9C-ai-%EC%86%94%EB%A3%A8%EC%85%98-%EA%B0%9C%EB%B0%9C</link><guid isPermaLink="false">69f03206d3f2ae6dd912e4c5</guid><category><![CDATA[사례]]></category><pubDate>Wed, 29 Apr 2026 05:42:23 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/08b148_2ad54c1566ab4acab8961e0d8aa826cb~mv2.png/v1/fit/w_600,h_338,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>부경 권</dc:creator></item><item><title><![CDATA[[동신산업] 채석장 작업자 안전관리 및 석재 자동 분류 시스템]]></title><description><![CDATA[with 동신산업, 이노시뮬레이션 l 24. 08 - 25. 01 안녕하세요, 시각 인공지능 솔루션으로 현장의 혁신을 이끄는 파이미디어랩입니다. 오늘은 거친 환경의 대명사인 '채석장'에 인공지능 기술을 접목하여, 안전과 효율이라는 두 마리 토끼를 잡은 동신산업 안전 관제 및 석재 분류 시스템 구축 프로젝트를 소개해 드립니다. 중대재해 처벌법 대응부터 스마트한 물류 관리까지, 파이미디어랩이 어떻게 현장을 바꿔놓았는지 확인해 보세요. Project Background "위험이 상존하는 야외 채석장, 어떻게 실시간으로 관리할 것인가?" 채석장은 넓은 지역의 험지에서 작업이 이루어지며 중장비 운용이 잦아 안전사고 발생 가능성이 매우 높은 분야입니다. 특히 중대재해 처벌법 시행에 따라 작업장 내 위험 요인을 사전에 정의하고 실시간으로 모니터링할 수 있는 체계 마련이 시급했습니다. 실시간 안전 관리: 작업자 쓰러짐, 화재, 중장비 현황 등을 실시간으로 관제하고 이상 징후 발생 시 안전...]]></description><link>https://www.paimedialab.com/post/%EB%8F%99%EC%8B%A0%EC%82%B0%EC%97%85-%EC%B1%84%EC%84%9D%EC%9E%A5-%EC%9E%91%EC%97%85%EC%9E%90-%EC%95%88%EC%A0%84%EA%B4%80%EB%A6%AC-%EB%B0%8F-%EC%84%9D%EC%9E%AC-%EC%9E%90%EB%8F%99-%EB%B6%84%EB%A5%98-%EC%8B%9C%EC%8A%A4%ED%85%9C</link><guid isPermaLink="false">69ca1b8256a82e0017f8c71d</guid><category><![CDATA[사례]]></category><pubDate>Wed, 01 Apr 2026 08:15:48 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/11062b_2622ac38db4740b4b25790fc1b431aeb~mv2.jpg/v1/fit/w_1000,h_1000,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>hyokyeong</dc:creator></item><item><title><![CDATA[P-ACT PRO vs Square: 당신의 비즈니스에 최적화된 AI 카메라는?]]></title><description><![CDATA[안녕하세요, 인공지능 안전 솔루션의 기준을 제시하는 파이미디어랩입니다. 최근 중대재해처벌법의 강화로 인한 안전 관리 체계 구축부터, 데이터 기반의 스마트 물류 시스템 도입까지. 제조와 물류 현장의 최전선에 계신 실무자분들께서 AI 카메라 도입을 검토하며 가장 많이 고민하고, 또 저희에게 질문하시는 핵심이 있습니다. "Pro와 Square, 둘 다 뛰어난 성능인 건 알겠는데... 실제로 우리 공장 라인이나 물류 창고에 설치했을 때 '가장 확실한 효과'를 낼 모델은 무엇인가요?" AI 카메라는 단순히 영상을 기록하는 장비를 넘어, 현장의 위험을 스스로 판단하고 사고를 예방하는 '지능형 눈'역할을 해야 합니다. 그렇기에 현장의 규모, 조도 환경, 분석해야 할 객체의 종류에 따라 선택의 기준은 완전히 달라져야 합니다. 단순히 스펙 숫자만 나열하는 비교는 의미가 없습니다. 오늘 파이미디어랩에서는 실제 현장 운용 데이터를 기반으로 한 정밀한 스펙 비교부터, 귀사의 사업장 환경에 딱 맞는...]]></description><link>https://www.paimedialab.com/post/%EC%96%B4%EB%96%A4-ai-%EC%B9%B4%EB%A9%94%EB%9D%BC%EB%A5%BC-%EC%82%AC%EC%95%BC%ED%95%A0%EA%B9%8C-mk3-pro-vs-mk3-square-%EB%B9%84%EA%B5%90-%EB%B6%84%EC%84%9D</link><guid isPermaLink="false">69bba3d9392d3386b92733e9</guid><category><![CDATA[파이미디어 솔루션]]></category><pubDate>Thu, 26 Mar 2026 02:45:48 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/f32b18_a09bffea530a483fb4fd5202f66d4072~mv2.png/v1/fit/w_1000,h_597,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>hyokyeong</dc:creator></item><item><title><![CDATA[[현대자동차그룹] HMGICs 시각 지능으로 완성한 미래형 제조의 중심, 작업진도관리 시스템]]></title><description><![CDATA[with 현대자동차그룹, 현대오토에버, 테이아 l 22. 06 - 24. 09 안녕하세요, 시각 지능 솔루션으로 산업의 디지털 전환(DX)을 선도하는 파이미디어랩입니다. 오늘은 현대자동차그룹의 싱가포르 글로벌 혁신 센터인 HMGICs에 적용된 '작업자 위치 기반 작업진도관리 시스템' 구축 사례를 통해, 수동 공정의 품질을 어떻게 디지털로 보증할 수 있었는지 상세히 공유해 드립니다. Project Background "수동 공정, 어떻게 실시간으로 검증할 것인가?" HMGICs는 단순한 자동화 공장을 넘어 사람과 AI가 협업하는 지능형 제조 환경을 지향합니다. 특히 숙련공의 손길이 필요한 수동 조립 공정에서 조립 품질을 실시간으로 검증하고 작업자의 동선을 데이터화하는 것이 핵심 과제였습니다. HMGICs와 같은 첨단 팩토리에서도 사람의 손길이 필요한 수동 공정은 존재하지만 미래형 스마트팩토리에서는 수동 공정이라 하더라도 작업의 정밀도와 품질이 실시간으로 관리되어야 합니다. 품질...]]></description><link>https://www.paimedialab.com/post/%ED%98%84%EB%8C%80%EC%9E%90%EB%8F%99%EC%B0%A8%EA%B7%B8%EB%A3%B9-hmgics-%EC%8B%9C%EA%B0%81-%EC%A7%80%EB%8A%A5%EC%9C%BC%EB%A1%9C-%EC%99%84%EC%84%B1%ED%95%9C-%EB%AF%B8%EB%9E%98%ED%98%95-%EC%A0%9C%EC%A1%B0%EC%9D%98-%EC%A4%91%EC%8B%AC-%EC%9E%91%EC%97%85%EC%A7%84%EB%8F%84%EA%B4%80%EB%A6%AC-%EC%8B%9C%EC%8A%A4%ED%85%9C</link><guid isPermaLink="false">69c1e6a236a1fdc193bcb49a</guid><category><![CDATA[사례]]></category><pubDate>Wed, 25 Mar 2026 02:13:46 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/f32b18_b38ff796b7ab498995dc19ec907c2266~mv2.avif/v1/fit/w_1000,h_476,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>hyokyeong</dc:creator></item><item><title><![CDATA[[대불국가산업단지] 스마트 물류 플랫폼 구축 및 운영]]></title><description><![CDATA[with MaIOT, 대불국가산업단지 l 23. 05 - 25. 12 안녕하세요, 시각 지능 기술로 산업 현장의 효율을 혁신하는 파이미디어랩입니다. 오늘은 대불국가산업단지에서 진행된 '스마트 물류 플랫폼'  구축 프로젝트의 과정을 공유해 드리고자 합니다. 전통적인 조선·해양 산업의 인프라 위에 디지털 기술을 덧입혀, 물류 흐름을 최적화하고 작업 현장의 안전을 실시간으로 확보했던 2년의 여정을 소개합니다. Project Background "초대형 블록의 위험한 야간 운송과 적치 공간 부족, 산단의 고질적 문제였습니다." 전남 대불산업단지는 대형 조선 블록과 고중량 화물 운송이 빈번한 거점 산단 입니다. 하지만 기존의 아날로그식 물류 관리와 안전 체계는 인적·물적 사고 위험을 높이고 업무 효율을 저하시키는 주요 원인 이었습니다. 야외 노상 적치로 인한 공간 부족 문제가 심화되는 상황에서, 센서 기반 기술은 높은 단가와 복잡한 인프라 구축의 한계로 현장 도입이 어려웠습니다. 특히...]]></description><link>https://www.paimedialab.com/post/%EB%8C%80%EB%B6%88%EA%B5%AD%EA%B0%80%EC%82%B0%EC%97%85%EB%8B%A8%EC%A7%80-%EC%8A%A4%EB%A7%88%ED%8A%B8-%EB%AC%BC%EB%A5%98-%ED%94%8C%EB%9E%AB%ED%8F%BC-%EA%B5%AC%EC%B6%95-%EB%B0%8F-%EC%9A%B4%EC%98%81</link><guid isPermaLink="false">69c0f522727acee2c06e4fb4</guid><category><![CDATA[사례]]></category><pubDate>Wed, 25 Mar 2026 01:36:16 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/f32b18_50cb6e21efb64e58af5356461b4a9330~mv2.jpg/v1/fit/w_966,h_536,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>hyokyeong</dc:creator></item><item><title><![CDATA[[현대자동차그룹] CCTV 기반 차량 추적 AI 솔루션 개발 POC]]></title><description><![CDATA[with 현대자동차그룹, 제로원벤처스, 기아, 현대글로비스 l 25. 03 - 25. 10 안녕하세요, 시각 지능 기술로 물류의 내일을 그리는 파이미디어랩 입니다. 오늘은 저희 파이미디어랩이 현대자동차그룹 제로원, 기아, 그리고 현대글로비스 와 함께 진행했던 'CCTV 기반 차량 실시간 위치 추적 AI 솔루션 개발'  프로젝트의 생생한 뒷이야기를 전해드리려고 합니다. Project Background "번호판 없는 신차 수만 대, 위치 파악이 숙제였습니다." 현대글로비스 출고센터처럼 대규모 야적장에는 갓 생산되어 번호판이 없는 신차들이 수만 대씩 적재됩니다. 기존에는 작업자가 PDA를 들고 일일이 차량의 바코드를 스캔 하며 위치를 관리해 왔는데요. 이로 인한 휴먼 에러와 업무 비효율이 심화되고 있었습니다. 야외 야적장 관리에 센서기반의 여러가지 기술이 검토되었으나, 비싼 단가와 인프라 구축의 복잡함 이라는 한계가 있었습니다. 차량이 늘어날수록 차량에 부착해야 하는 센서들의...]]></description><link>https://www.paimedialab.com/post/%ED%98%84%EB%8C%80%EC%9E%90%EB%8F%99%EC%B0%A8%EA%B7%B8%EB%A3%B9-cctv-%EA%B8%B0%EB%B0%98-%EC%B0%A8%EB%9F%89-%EC%B6%94%EC%A0%81-ai-%EC%86%94%EB%A3%A8%EC%85%98-%EA%B0%9C%EB%B0%9C-poc</link><guid isPermaLink="false">69bbaaa1c384c212cc98dc22</guid><category><![CDATA[사례]]></category><pubDate>Mon, 23 Mar 2026 06:54:41 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/f32b18_a45b58bf3bb64cf79cd8b459a1c32593~mv2.png/v1/fit/w_1000,h_1000,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>hyokyeong</dc:creator></item><item><title><![CDATA[AI가 내 콘텐츠를 선택하게 만드는 방법 - GEO 마케팅 전략]]></title><description><![CDATA[사람들이 정보를 검색하는 방법이 바뀌고 있습니다. 짧은 키워드를 입력하던 시대를 지나, 이제는 ChatGPT나 Gemini에 문장형 질문을 던지는 사용자가 빠르게 늘고 있습니다. 우리가 만드는 콘텐츠는 사람만 읽는 것이 아니라, AI가 읽고 이해하고 인용하는 대상이 되었습니다. 이 글에서는 GEO(Generative Engine Optimization)가 무엇인지, 그리고 AI에게 선택받는 콘텐츠를 만들기 위한 5가지 핵심 전략을 정리합니다. SEO에서 GEO로 전통적인 SEO(Search Engine Optimization)는 검색엔진 결과 페이지에서 높은 순위를 차지하는 것이 목표였습니다. 키워드를 반복하고, 백링크를 확보하고, 메타태그를 정교하게 다듬는 방식이 핵심이었습니다. 하지만 지금의 검색 환경은 근본적으로 다릅니다. 구글 AI 오버뷰, ChatGPT, Perplexity, Claude 같은 생성형 AI 서비스들은 웹페이지 링크를 나열하는 대신, 여러 출처의 정보를...]]></description><link>https://www.paimedialab.com/post/ai%EA%B0%80-%EB%82%B4-%EC%BD%98%ED%85%90%EC%B8%A0%EB%A5%BC-%EC%84%A0%ED%83%9D%ED%95%98%EA%B2%8C-%EB%A7%8C%EB%93%9C%EB%8A%94-%EB%B0%A9%EB%B2%95-geo-%EB%A7%88%EC%BC%80%ED%8C%85-%EC%A0%84%EB%9E%B5</link><guid isPermaLink="false">69b6d2625a996f5d6694eb08</guid><category><![CDATA[디자인/트렌드]]></category><pubDate>Mon, 16 Mar 2026 14:20:03 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/08b148_1c58af6a600b4a4b994ee8c549750d9a~mv2.png/v1/fit/w_1000,h_720,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>부경 권</dc:creator></item><item><title><![CDATA[PID 제어 시스템 및 게인 튜닝 성능 분석 ]]></title><description><![CDATA[1. 서론: 피드백 제어 시스템과 PID 제어의 전략적 가치 현대 산업 자동화 공정에서 시스템 안정성과 정밀도를 확보하기 위한 핵심 솔루션으로 피드백(Feedback) 제어 시스템이 갖는 전략적 가치를 평가한다. 제어란 본질적으로 시스템의 상태 x를 원하는 목표치 x_d로 도달시키는 일련의 과정이다. 이 메커니즘은 설정값(SV, Set point Variable)과 현재의 측정값(PV, Process Variable)을 비교하여 그 차이인 편차(Error, e)를 도출하고, 이를 해소하기 위해 제어 대상으로 투입하는 조작량(MV, Manipulated Variable)을 결정하는 유기적 상관관계로 정의된다. 시스템 구조 측면에서 볼 때, 개회로(Open-loop) 시스템과 폐회로(Closed-loop) 시스템의 차이는 제어 정밀도의 원천에서 기인한다. 개회로 시스템은 출력이 입력에 영향을 미치지 못하며, 제어 정밀도가 전적으로 사전 교정(Calibration) 혹은...]]></description><link>https://www.paimedialab.com/post/pid-%EC%A0%9C%EC%96%B4-%EC%8B%9C%EC%8A%A4%ED%85%9C-%EB%B0%8F-%EA%B2%8C%EC%9D%B8-%ED%8A%9C%EB%8B%9D-%EC%84%B1%EB%8A%A5-%EB%B6%84%EC%84%9D-1</link><guid isPermaLink="false">69b69957acb000bd14838285</guid><pubDate>Sun, 15 Mar 2026 11:34:54 GMT</pubDate><dc:creator>병주 권</dc:creator></item><item><title><![CDATA[PID 제어 시스템 및 게인 튜닝 성능 분석 ]]></title><description><![CDATA[1. 서론: 피드백 제어 시스템과 PID 제어의 전략적 가치 현대 산업 자동화 공정에서 시스템 안정성과 정밀도를 확보하기 위한 핵심 솔루션으로 피드백(Feedback) 제어 시스템이 갖는 전략적 가치를 평가한다. 제어란 본질적으로 시스템의 상태 x를 원하는 목표치 x_d로 도달시키는 일련의 과정이다. 이 메커니즘은 설정값(SV, Set point Variable)과 현재의 측정값(PV, Process Variable)을 비교하여 그 차이인 편차(Error, e)를 도출하고, 이를 해소하기 위해 제어 대상으로 투입하는 조작량(MV, Manipulated Variable)을 결정하는 유기적 상관관계로 정의된다. 시스템 구조 측면에서 볼 때, 개회로(Open-loop) 시스템과 폐회로(Closed-loop) 시스템의 차이는 제어 정밀도의 원천에서 기인한다. 개회로 시스템은 출력이 입력에 영향을 미치지 못하며, 제어 정밀도가 전적으로 사전 교정(Calibration) 혹은...]]></description><link>https://www.paimedialab.com/en/post/pid-%EC%A0%9C%EC%96%B4-%EC%8B%9C%EC%8A%A4%ED%85%9C-%EB%B0%8F-%EA%B2%8C%EC%9D%B8-%ED%8A%9C%EB%8B%9D-%EC%84%B1%EB%8A%A5-%EB%B6%84%EC%84%9D</link><guid isPermaLink="false">69b698b8fae9b1d3432f172c</guid><pubDate>Sun, 15 Mar 2026 11:32:37 GMT</pubDate><dc:creator>병주 권</dc:creator></item><item><title><![CDATA[AI개발자 직군 (신입,경력) 모집]]></title><description><![CDATA[AI로 세상을 다시 설계할 팀원을 찾습니다.   AI 엔진 개발자 (석사 / 경력) 스마트팩토리 · 산업안전 · 물류혁신을 바꾸는 기술, 지금 우리가 만들고 있습니다.   “ 카메라만으로 사람·차량·로봇의 위치를 3D로 정확히 파악하는 기술 ”을 만들고 있는, 아주 작은 팀이지만 강력한 기술을 가진 AI 스타트업 입니다. 우리는 멀티카메라·Re-ID·AI-IPM·온디바이스 추론 등현재 세계적으로도 상용화 사례가 거의 없는 기술을  직접 개발 하고현대차그룹, 목포대불산단등 글로벌 제조/물류 기업들과 실제 현장에 적용 하고 있습니다. 스마트팩토리와 물류산업안전 분야에서“AI가 현장을 어떻게 바꿀 수 있는지”우리는 이미 답을 만들기 시작했습니다. 우리의 여정을 함께할 Crew를 찾고 있습니다.   하게 되시는 일 이미 세상에 존재하지 않는 기술을 함께 만들게 됩니다. 멀티카메라 기반 객체 검출/추적 엔진 개발 사람·지게차·로봇을 실시간으로 3D 좌표로 변환하는 AI 엔진 Re-ID,...]]></description><link>https://www.paimedialab.com/post/ai%EA%B0%9C%EB%B0%9C%EC%9E%90-%EC%A7%81%EA%B5%B0-%EC%8B%A0%EC%9E%85-%EA%B2%BD%EB%A0%A5-%EB%AA%A8%EC%A7%91</link><guid isPermaLink="false">69a63f98a1cf5821abc869ca</guid><pubDate>Tue, 03 Mar 2026 01:56:00 GMT</pubDate><dc:creator>병상 여</dc:creator></item><item><title><![CDATA[AI 어시스트의 부족한 점과 이를 위해 사람이 취할 수 있는 방지책]]></title><description><![CDATA[ai 어시스트는 개발과정에서 필수적인 요소로 자리잡았고, 많은 조직이나 개인이 코드 변경사항에 기계를 개입시켜서 처리한다. 하지만 이렇게 가속화 되는동안, 몇가지 논점은 계속해서 나왔다. 왜 더 많은 결함을 가진코드가 탄생하는걸까? 특정한 구성이나 논리부분에서 계속 오류를 발생시키는 이유가 뭘까? ai 생성 코드와 이 패턴의  연관성은? 해당 보고서에 따르면 ai는 풀리퀘스트 작성에 도움을 주는 경우가 20% 증가하였고, 풀리퀘스트에서 문제가 발생하는 경우는 23.5% 증가하였다. 이때 ai가 시도한 풀리퀘스트는 어떤식으로 다르기에 문제가 발생되는 것일까? 이 보고서에서는 CodeRabbit의 구조화된 이슈 분류 체계를 사용하여 470개의 오픈소스(320: ai + 150: 사람) GitHub 풀 리퀘스트(PR)를 분석했다. 해당 보고서에 따르면 가독성, 예외, 경로문제, 보안문제 등 대부분의 범주에서 AI가 작성한 PR에서 훨씬 더 많은 오류가 발생했다. 또한, AI가 이런...]]></description><link>https://www.paimedialab.com/post/%EC%95%84%EC%A7%81-ai-%EC%96%B4%EC%8B%9C%EC%8A%A4%ED%8A%B8%EC%97%90%EA%B2%8C-%EB%B6%80%EC%A1%B1%ED%95%9C</link><guid isPermaLink="false">698cbd13636516a3166dd5c4</guid><pubDate>Fri, 13 Feb 2026 01:36:02 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/cb2b07_3c38c4ddb7584d50a960ead13535aa2d~mv2.png/v1/fit/w_1000,h_1000,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>재훈 정</dc:creator></item><item><title><![CDATA[디자인 효율을 높여준 캔바(Canva) - 브로슈어 제작기]]></title><description><![CDATA[기업 제품 홍보 브로슈어를 캔바(Canva)로 제작해봤습니다. 이 글에서는 캔바를 중심으로 브로슈어를 만드는 과정에서 어떤 기능들이 유용했는지, 그리고 다른 AI 툴들을 어떻게 함께 활용했는지, 어떤 시행착오가 있었는지 공유합니다. 시작 전에 먼저 한 것: 콘텐츠 설계 본격적인 제작에 들어가기 전, 가장 먼저 진행한 작업은 콘텐츠 구조를 정리하는 것이었습니다. 수많은 레퍼런스를 살펴보고, 브로슈어에 들어갈 내용과 구조를 파악하여 전체적인 방향을 잡았습니다. 들어갈 내용 정리  - 어떤 내용이 담길 것인지, 텍스트 및 콘텐츠를 먼저 구조화 콘텐츠 덩어리(센션) 구분  - 브로슈어의 페이지/ 영역별로 몇 개의 정보 덩어리가 필요한지 구조를 파악 레퍼런스 수집  - 원하는 느낌과 스타일을 미리 충분히 탐색 효율을 높여준 캔바 핵심 기능들 콘텐츠 설계와 디자인 방향이 어느정도 결정되었다면, 캔바에서 제작을 시작합니다. 브로슈어를 만들면서 특히 유용했던 캔바 기능들은 아래와 같습니다....]]></description><link>https://www.paimedialab.com/post/%EB%94%94%EC%9E%90%EC%9D%B8-%ED%9A%A8%EC%9C%A8%EC%9D%84-%EB%86%92%EC%97%AC%EC%A4%80-%EC%BA%94%EB%B0%94-canva-%EB%B8%8C%EB%A1%9C%EC%8A%88%EC%96%B4-%EC%A0%9C%EC%9E%91%EA%B8%B0</link><guid isPermaLink="false">6988020a03c01be20d334d18</guid><category><![CDATA[디자인/트렌드]]></category><pubDate>Sun, 08 Feb 2026 22:50:19 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/08b148_e4ecd248cd2d46879b6b2ccf2f4494b8~mv2.jpg/v1/fit/w_1000,h_1000,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>부경 권</dc:creator></item><item><title><![CDATA[Hailo-8L과 GStreamer로 구축하는 실시간 지능형 파이프라인의 5가지 핵심 전략]]></title><description><![CDATA[엣지에서 고성능 AI 모델을 구동하는 것과, 그 결과 데이터를 실시간으로 비즈니스 가치로 전환하는 것은 완전히 다른 차원의 문제입니다. "YOLOv8n 모델이 25fps로 객체를 탐지하고 있는데, 이 방대한 데이터를 어떻게 실시간으로 외부 시스템에 전송하고 활용할 것인가?"라는 질문은 현업의 아키텍트가 직면하는 가장 현실적인 과제입니다. Hailo TAPPAS(Template APPlications And Solutions)는 단순히 예제 코드를 모아놓은 템플릿이 아닙니다. 이는 Hailo-8 및 Hailo-8L 가속기를 기반으로 고성능 엣지 애플리케이션을 신속하게 설계하고 배포할 수 있도록 최적화된 '고성능 엣지 인프라'입니다. 본 포스트에서는 TAPPAS와 GStreamer를 활용하여 데이터 활용을 극대화하는 5가지 아키텍처 전략을 제시합니다. 1. 비차단(Non-blocking) 아키텍처: 메인 추론의 처리량을 보존하는 지연 격리 기술 엣지 AI 시스템의 성패는...]]></description><link>https://www.paimedialab.com/post/hailo-8l%EA%B3%BC-gstreamer%EB%A1%9C-%EA%B5%AC%EC%B6%95%ED%95%98%EB%8A%94-%EC%8B%A4%EC%8B%9C%EA%B0%84-%EC%A7%80%EB%8A%A5%ED%98%95-%ED%8C%8C%EC%9D%B4%ED%94%84%EB%9D%BC%EC%9D%B8%EC%9D%98-5%EA%B0%80%EC%A7%80-%ED%95%B5%EC%8B%AC-%EC%A0%84%EB%9E%B5</link><guid isPermaLink="false">6985db0b2cdf2c42d92bba89</guid><pubDate>Fri, 06 Feb 2026 12:14:54 GMT</pubDate><dc:creator>병주 권</dc:creator></item><item><title><![CDATA[[PAIR Guidebook] #2 데이터 + 모델 구축 (Data + Model Evolution) ]]></title><description><![CDATA[총 6개의 챕터로 구성된 People + AI 가이드북을 바탕으로 각 챕터의 내용을 소개합니다. 이번 글에서는 「데이터 + 모델 구축 (Data + Model Evolution)」  챕터를 다룹니다. 가이드북 링크: https://pair.withgoogle.com/guidebook/ 데이터는 AI 시스템의 핵심입니다 데이터는 AI 시스템이 학습하는 예시, AI 시스템의 역량을 평가하는 기준, 그리고 AI 시스템이 세상을 표현하는 토대를 제공합니다. 그러한 의미에서 데이터는 AI 시스템의 생명줄과 같습니다. 충분하고 질 좋은 데이터가 없으면 아무리 정교한 AI 시스템이라도 효과적으로  작동하지 못합니다. AI 개발의 각 단계에서는 서로 다른 종류의 데이터가 사용됩니다. 학습 데이터(Training Data): AI 모델에게 패턴, 관계, 개념을 가르치는 데 사용되는 주요 데이터셋입니다. 생성형 AI의 경우, 모델이 이해하고 모방하도록 학습하는 방대한 양의 텍스트, 이미지 또는...]]></description><link>https://www.paimedialab.com/post/pair-guidebook-2-%EB%8D%B0%EC%9D%B4%ED%84%B0-%EB%AA%A8%EB%8D%B8-%EA%B5%AC%EC%B6%95-data-model-evolution</link><guid isPermaLink="false">697769aaea2eced60845a9ea</guid><category><![CDATA[디자인/트렌드]]></category><pubDate>Mon, 26 Jan 2026 15:20:39 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/08b148_a3892884a5da41f6abff1b25987e5bdd~mv2.png/v1/fit/w_1000,h_900,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>부경 권</dc:creator></item><item><title><![CDATA[FFmpeg 명령어를 외우던 시대는 끝났다: Claude가 비디오 편집 전문가가 되는 방법]]></title><description><![CDATA[영상 편집을 위해 FFmpeg의 복잡한 명령어 체계와 씨름해 본 적이 있나요? -ss, -t, -vf, -filter_complex 같은 암호 같은 매개변수를 외우거나, 매번 구글 검색을 통해 CLI(명령줄 인터페이스) 문법을 복사해 붙여넣던 시대는 이제 끝났습니다. 이제는 '의도(Intent)'를 말하는 것만으로 로컬 환경의 비디오를 자유자재로 다루는 시대입니다. 그 혁신의 중심에는 클로드가 사용자의 로컬 도구를 직접 제어할 수 있게 해주는 ffmpeg-mcp 가 있습니다. 1. 자연어로 소통하는 비디오 편집기: "명령 대신 대화를" 기존의 비디오 편집 작업은 전문 소프트웨어를 숙달하거나 복잡한 코드를 입력해야 하는 기술적 장벽이 존재했습니다. 하지만 ffmpeg-mcp를 연동한 클로드는 사용자의 자연어 의도를 정확히 파악하여 최적의 FFmpeg 명령어로 변환하고 즉각 실행합니다. 이러한 인터페이스의 변화는 단순히 편리함을 넘어 '의도 기반 UI(Intent-Based...]]></description><link>https://www.paimedialab.com/post/ffmpeg-%EB%AA%85%EB%A0%B9%EC%96%B4%EB%A5%BC-%EC%99%B8%EC%9A%B0%EB%8D%98-%EC%8B%9C%EB%8C%80%EB%8A%94-%EB%81%9D%EB%82%AC%EB%8B%A4-claude%EA%B0%80-%EB%B9%84%EB%94%94%EC%98%A4-%ED%8E%B8%EC%A7%91-%EC%A0%84%EB%AC%B8%EA%B0%80%EA%B0%80-%EB%90%98%EB%8A%94-%EB%B0%A9%EB%B2%95</link><guid isPermaLink="false">69775d6cc8e4035bf2b85565</guid><pubDate>Mon, 26 Jan 2026 12:35:15 GMT</pubDate><dc:creator>병주 권</dc:creator></item><item><title><![CDATA[[PAIR Guidebook] #1 사용자 니즈 + 성공 정의하기 (User Needs + Defining Success)]]></title><description><![CDATA[People + AI 가이드북을 소개합니다 People + AI 가이드북은 구글에서 공개한 자료로, 인간 중심의 AI 제품 설계를 위한 실용적인 지침과 모범 사례를 담고 있습니다. 가이드북에는 AI 기능을 갖춘 유용한 제품을 만들기 위한 UX 및 ML 지침, 원칙, 접근 방식, 디자인 패턴, 워크숍이 포함되어 있습니다. 총 6개의 챕터로 구성된 이 가이드북을 바탕으로 각 챕터의 내용을 소개합니다. 이번 글에서는 「사용자 니즈 + 성공 정의하기 (User Needs + Defining Success)」  챕터를 다룹니다. 가이드북 링크: https://pair.withgoogle.com/guidebook/ ﻿ 사용자 니즈와 AI 강점의 교차점을 찾으세요 AI 제품을 개발할 때 우리는 다음 질문들에 답변할 수 있어야 합니다. 사용자는 누구인가요? 그들의 가치는 무엇인가요? 그들이 해결해야 할 문제는 무엇인가요? 그 문제를 어떻게 해결할 것인가요? 사용자의 경험이 언제...]]></description><link>https://www.paimedialab.com/post/pair-guidebook-1-%EC%82%AC%EC%9A%A9%EC%9E%90-%EB%8B%88%EC%A6%88-%EC%84%B1%EA%B3%B5-%EC%A0%95%EC%9D%98%ED%95%98%EA%B8%B0-user-needs-defining-success</link><guid isPermaLink="false">696afe04482610fa28924093</guid><category><![CDATA[디자인/트렌드]]></category><pubDate>Mon, 26 Jan 2026 00:31:09 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/08b148_a3892884a5da41f6abff1b25987e5bdd~mv2.png/v1/fit/w_1000,h_900,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>부경 권</dc:creator></item><item><title><![CDATA[KERAS_함수형 API]]></title><description><![CDATA[KERAS: 딥러닝을 쉽게 하기 위한 파이썬 라이브러리  KERAS 함수형 API는 비선형 토폴로지, 공유레이어, 입출력 모델 처리가 가능  (비선형 토폴로지: 데이터의 입력-출력 흐름이 정형되지 않고 흐름이 여러갈래로 나뉘거나, 합쳐지거나, 건너뛰 등 변수가 작용하여 일정하지 않은 진행방향으로 흘러감) => KERAS의 함수형 API: 인공신경망 차원에서의 한층(=1프레임)에 대해 입력을 받아 출력을 내뱉으며, 그 출력값은 전에 계산한 값들과 섞여서 차이로 계산된다.(=잔차계산) 절차를 밟았던 앞의 층들에 의해 형성했던 가중치는 현재의 층에 의해서 계속 변화한다. 학습 전: 무작위 값(또는 프레임을 일부 학습한 가중치) 학습 중: 들어온 프레임(=데이터)에 대한 결과값을 낸 후에 정답과의 오차를 비교하여 손실함수 계산 학습 후: 계산된 손실함수와 오차를 줄이기 위한 레이어의 가중치 변화 <학습전, 전처리에서 필요한 작업> 리사이징: 이미지 크기 조절. 딥러닝모델(KERAS)은...]]></description><link>https://www.paimedialab.com/post/keras_%ED%95%A8%EC%88%98%ED%98%95-api</link><guid isPermaLink="false">6976220a1ea434d4dc5459a1</guid><pubDate>Sun, 25 Jan 2026 15:55:43 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/cb2b07_54b839e6e04e49c488cba370fd018a96~mv2.png/v1/fit/w_756,h_701,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>재훈 정</dc:creator></item><item><title><![CDATA[Python에서 GigE Vision 카메라 쓰기: Harvesters 정리]]></title><link>https://www.paimedialab.com/post/python%EC%97%90%EC%84%9C-gige-vision-%EC%B9%B4%EB%A9%94%EB%9D%BC-%EC%93%B0%EA%B8%B0-harvesters-%EC%A0%95%EB%A6%AC</link><guid isPermaLink="false">696c51f53e23fce29377ca50</guid><pubDate>Sun, 18 Jan 2026 03:49:01 GMT</pubDate><dc:creator>현진 김</dc:creator></item><item><title><![CDATA[현대자동차 그룹 - 제로원 엑셀러레이터 프로그램에 선정 되었습니다. ]]></title><description><![CDATA[파이미디어랩이 현대 자동차그룹의 오픈이노베이션 프로그램인 2025년  제로원 액셀러레이터 스타트업 모집 부분에서 선정되었습니다. 올해 말까지 현대자동차 그룹사와 저희 보유 솔루션을 협업하여 문제 해결할 예정입니다. 자세한 사항은 언론 보도자료가...]]></description><link>https://www.paimedialab.com/post/%ED%98%84%EB%8C%80%EC%9E%90%EB%8F%99%EC%B0%A8-%EA%B7%B8%EB%A3%B9-%EC%A0%9C%EB%A1%9C%EC%9B%90-%EC%97%91%EC%85%80%EB%9F%AC%EB%A0%88%EC%9D%B4%ED%84%B0-%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%A8%EC%97%90-%EC%84%A0%EC%A0%95-%EB%90%98%EC%97%88%EC%8A%B5%EB%8B%88%EB%8B%A4</link><guid isPermaLink="false">682b1d7384cb287749751a15</guid><pubDate>Mon, 19 May 2025 12:03:31 GMT</pubDate><enclosure url="https://static.wixstatic.com/media/8eb0ca_a3c7e34235374739bef222dcd08ff599~mv2.png/v1/fit/w_1000,h_1000,al_c,q_80/file.png" length="0" type="image/png"/><dc:creator>병상 여</dc:creator></item></channel></rss>