2026 AI·SW중심대학 디지털 경진대회 : SW부문

안녕하세요, 필기·논문 조각을 개념 지도로 이어주는 AI 학습 에이전트 PiecePool 팀입니다 :)

"오늘 뭐 입지"라는 만인의 아침 고민을 정면으로 다루셨네요! 특히 옷장 전체를 LLM에 통째로 맡기는 대신, 기온·TPO 규칙으로 후보를 1차로 좁힌 뒤 축소된 후보군만 Gemini에 넘겨 최종 조합을 만드는 규칙+LLM 하이브리드 추론이 인상 깊었어요. 단순히 'LLM에 다 물어보는' 구조가 아니라 비용·응답속도·일관성까지 챙긴 설계라는 점이 좋습니다! 착용 이력을 누적해서 라운드로빈 + 다양성 지수로 같은 코디 반복을 막는 디테일도 실사용을 진지하게 고민한 흔적이 보여서 눈에 들어왔어요.

궁금한 점이 두 가지 있는데요, 규칙 기반 1차 필터에서 조건이 겹쳐(한파 + 결혼식 하객룩 같은 조합) 후보가 0~1개로 극단적으로 줄어드는 엣지 케이스는 어떻게 처리하시나요? 규칙을 단계적으로 완화하는 fallback이 있는지 궁금합니다. 그리고 옷 사진의 조명·구김·배경 같은 품질 편차가 Vision 속성 추출 정확도에 영향을 줄 텐데, rembg 배경 제거 외에 오인식을 검증하는 단계가 따로 있으신가요? 저희도 필기 사진에서 개념을 추출하는 단계가 있어서 입력 사진 품질 편차가 늘 골칫거리라, 어떻게 대응하셨는지 진심으로 궁금합니다!

옷장 속 조각들을 모아 코디를 완성한다는 점이, 지식 조각을 모아 지도를 만드는 저희랑 묘하게 결이 닿아 반가웠어요 ㅎㅎ 시간 되시면 프로필 타고 저희 PiecePool에도 의견 한 줄 부탁드립니다!
머입 팀 예선 통과 기원합니다. 화이팅!!

옷장을 관찰하고 코디를 계획하는 개인 스타일링 에이전트 Moodai 팀입니다.
저희 아이디어와 매우 유사해서 더 관심있게 봤습니다 !  
저희는 3D 구현은 확장 가능성으로 열어두고 코디보드라는 개념으로 적용했습니다.
Unity 3D 기반 가상 피팅을 적용하셨다고 했는데 실제로 어떻게 구현하고 동작하는지 궁금합니다. 시연 영상도 있으면 좋겠네요.
저희 팀 결과물도 한번 보시고 피드백 해주시면 감사하겠습니다. 같이 예선 통과하시죠 파이팅입니다 !

안녕하세요! 이번 대회에 함께 참여 중인 장애인 대상 지도 서비스 팀, '준준티비'입니다.

아침마다 반복되는 "오늘 뭐 입지" 고민을 해결해 의사결정 피로를 줄여준다는 기획 의도가 실제 기대효과와 지표 설계에서 한층 더 명확하게 와닿습니다. 특히 단순히 주관적인 만족도에 그치지 않고, 코디 결정 소요 시간을 평균 수 분에서 10초 이내로 단축한다거나 옷장 활용률을 측정하는 등 정량적으로 측정 가능한 지표를 촘촘하게 수립하신 점이 매우 인상 깊습니다. 라운드로빈 다양성 알고리즘을 기반으로 동일 상의의 연속 추천을 방지하는 추천 다양성 지수 설계는 실제 서비스 운영 시 일어날 수 있는 디테일한 문제까지 깊이 고민하셨다는 증거라고 생각합니다.

더불어 Unity 3D 가상 피팅을 통해 착용 전 모습을 미리 확인하게 함으로써 실제 착용 시의 만족도를 높이고, 불필요한 의류 구매를 억제해 지속 가능한 소비 습관 형성에 기여한다는 정성적 효과 또한 서비스가 지닌 사회적 가치를 잘 보여줍니다. 바쁜 출근 시간이나 갑작스러운 경조사, 소개팅 등 일상에서 누구나 한 번쯤 겪어봤을 활용 상황 예시들이 매우 구체적이라 서비스의 실용성과 필요성에 크게 공감하고 갑니다. 사용자 중심의 배려와 뛰어난 기술적 설계가 돋보이는 훌륭한 프로젝트입니다!

실례가 되지 않는다면, 저희 '준준티비'의 장애인 대상 지도 프로젝트에도 귀중한 피드백과 따뜻한 코멘트 한마디 남겨주시면 정말 큰 힘이 될 것 같습니다! 남은 대회 기간 동안 두 팀 모두 파이팅해서 좋은 결과 얻기를 진심으로 응원하겠습니다!

안녕하세요!  대학생 학점 관리 에이전트 ‘학점수호자’를 만든 영크크 팀입니다.

매일 아침 한 번쯤 하게 되는 “오늘 뭐 입지?”라는 고민을, 사용자가 이미 가지고 있는 옷을 활용해 해결한다는 점이 정말 실용적으로 느껴졌습니다. 옷장 사진에서 색상·핏·소재 등의 정보를 자동으로 추출하고, 기온과 TPO를 기준으로 후보를 먼저 좁힌 뒤 Gemini가 최종 코디와 이유를 제시하는 구조도 인상 깊었습니다. 모든 판단을 LLM에 맡기지 않고 규칙 기반 필터링을 함께 사용해 추천의 일관성과 효율까지 고려하신 점이 특히 좋았습니다.
착용 이력을 저장해 비슷한 코디가 반복되지 않도록 하고, 추천에서 끝나는 것이 아니라 Unity 3D 가상 피팅으로 실제 착용 모습까지 미리 확인할 수 있게 한 부분에서도 사용자의 전체 흐름을 세심하게 고민하셨다는 느낌을 받았습니다.

한 가지 궁금한 점은 착용 이력뿐만 아니라 사용자가 추천을 선택하거나 거절한 기록도 이후 코디에 반영되는지입니다.

저희도 대학생이 반복적으로 겪는 정보 탐색과 선택의 어려움을 줄이는 서비스를 만들고 있어서, 일상적인 고민을 개인화된 정보로 해결한다는 방향에 공감하며 재미있게 봤습니다. 시간 괜찮으실 때 저희 학점수호자에도 놀러 오셔서 의견 남겨주시면 감사하겠습니다ㅎㅎ 머입 팀의 좋은 결과를 응원하겠습니다!

안녕하세요! 다문화가정 학부모를 위한 알림장 번역·행동 지원 에이전트 GAON🐾👣팀입니다 :) 
일단 프로젝트명이 굉장히 귀엽네요 >< 4단계로 나누고 특히 하드필터로 후보군을 먼저 좁힌 다음에 LLM에 넘겨 최종 조합과 이유를 생성하는 하이브리드 추론 구조가 인상 깊었어요! 저희도 알림장 문서를 구조화하면서 LLM이 판단할 범위와 규칙이 강제로 걸러줄 범위를 나누는 게 신뢰도에 얼마나 중요한지 체감하고 있어서 더 눈에 들어오더라고요 ㅎㅎ
착용 이력을 누적해서 반복 추천을 방지하신다고 하셨는데, 사용자가 같은 옷을 자주 재입고 싶어 하는 경우와 단순히 다양성을 위해 회피해야 하는 경우를 에이전트가 어떻게 구분하는지 궁금합니다! 이렇게 개인 취향과 다양성 규칙이 충돌할 때의 우선순위 설계도 까다로우실 것 같아요.
여유되실 때 저희 프로젝트에도 방문하셔서 짧은 피드백 남겨주시면 큰 힘이 될 거 같습니다! 예선 마무리까지 화이팅입니다🔥