narubrown 20 karma 가입일 2025-12-10 최근 활동 최근 작성한 글 전체 보기 Show GN: Spine - 한국에서 만든, 마법 없는 백엔드 웹 프레임워크 2026-01-18 · 13점 · 댓글 2개 Show GN: Go Swagger 주석 지옥에서 벗어나기 - Swaggo 만들었습니다 2026-01-09 · 4점 · 댓글 0개 216만 원짜리 라벨링을 9만 원으로 줄이기 2026-01-01 · 21점 · 댓글 9개 최근 작성한 댓글 전체 보기 재밌는 프로젝트 같습니다! Ix 명세 작성 Ix Tool로 lx 함수들을 진짜 함수로 대체 go 컴파일 하는군요 lx를 사용하는 레어어가 프로젝트에 생겨서 LLM으로 작성된 계층을 분리할 수 있을거 같아 나중에 유지보수 할때도 편하게 할 수 있을 것 같습니다. LLM을 사용한 흥미로운 시도 같네요! 안녕하세요 피드백 정말 감사합니다. AI 같다는게 GeekNews 글 말씀이실까요? 여기는 원래 이렇게 써야 하는 줄 알고 ^^… 다른 글들도 이렇길래 일부러 이렇게 작성했습니다. https://spine.na2ru2.me/ko/ 추가로 spine을 배울 수 있는 사이트도 개설했습니다. 관심있으시면 같이 봐주세요 감사합니다. 좋은 지적 감사합니다! "구조 문제로 전환"이라는 표현이 다소 추상적이었던 것 같습니다. 제가 글에서 말씀드리고 싶었던 건 Before: "라벨링 = 사람 투입 = 비용 비례" After: "라벨링 = 파이프라인 = 초기 구축 후 변동비 최소화" 즉, 일회성 비용 문제를 시스템 구축 문제로 안녕하세요, 글 재밌게 읽어주셔서 감사합니다! 말씀하신 부분에 공감합니다. VLM이 YOLO보다 성능이 좋은데 YOLO의 오판으로 중요한 정보가 손실될 수 있다는 점, 맞는 지적입니다. 하지만 다음의 이유들로 인해 크롭 단계를 넣게 되었습니다. 첫 번째로 비용 문제입니다. VLM에 전체 이미지를 직접 사용하면 고해상도 이미지 처리로 인해 비용이 급격히 증가합니다. 이 안녕하세요 winterjung님, 제 작업에 관심 가져주셔서 감사드립니다.신뢰도는 VLM(GPT 4o)에서 직접 반환하는 confidence 값을 사용합니다.말씀하신 대로 GPT 4o의 confidence 계산 근거가 불명확하고 재현이 불가능하다는 한계가 있습니다. 하지만 실용적인 관점에서 VLM이 반환하는 confidence가 어느 정도 정확하다는 가정 하에, 마지막 검증(Verifier) 전체 배지 스페셜 더 많은 GeekBadge가 있습니다. 활동을 통해 모으거나, GeekGold로 구매해 보세요.
