클라이언트-핏 AI 앙상블 역량을 검증하는 케이스 스터디. 오픈소스 특화 모델과 범용 텍스트 감지기를 동일한 사진에 적용하여 어떤 조합이 실제로 배번호를 정확히 판독하는지, 그리고 어떤 케이스에 자신 있게 UNRESOLVED를 반환해야 하는지를 정직하게 측정합니다.
한 사진에 여러 참가자가 포함된 케이스. 인물별 정확한 배번호 귀속을 검증합니다.
예상 결과: multiple BIB_CONFIRMED (person-level)
배번호가 선명하게 보이는 사진에서 지정 배번호가 정확히 판독되고 매칭된 케이스입니다.
예상 결과: BIB_CONFIRMED
전문 모델과 범용 모델의 판독 결과가 서로 다른 케이스. 앙상블 판정의 필요성을 보여줍니다.
예상 결과: CONFLICT_REVIEW or BIB_CONFIRMED (depending on evidence weight)
실제 참가자 배번호(예: 9309)와 대회 브랜딩 텍스트(예: "119" 마라톤 이벤트명)가 공존하는 케이스. 브랜딩은 참가자 배번호로 오귀속되지 않아야 합니다.
예상 결과: true bibs = BIB_CONFIRMED; 119 = rejected (not attributed to any participant)
판독 가능한 배번호가 없는 사진(관객, 시상식, 풍경 등). 시스템은 억지로 매칭하지 않고 UNRESOLVED로 반환해야 합니다.
예상 결과: UNRESOLVED (safe abstention — this is a positive behavior)
배번호가 흐리거나 부분 가려진 케이스. 얼굴/의상 rescue 파이프라인의 적용 대상.
예상 결과: FACE_RECOVERY (if trusted anchors exist) or UNRESOLVED
배번호는 이벤트 내에서만 유일하므로 event_id가 반드시 필요합니다.
이 조회는 프라이빗 앙상블의 BIB_CONFIRMED 판정에 기반하며,
이벤트 브랜딩 텍스트(예: '119')는 참가자 배번호로 오귀속되지 않습니다.
BIB_CONFIRMED 판정한 배번호 목록 (클릭하여 조회):
프로덕션 라우팅 로직, 정확한 threshold, 가중치는 공개되지 않습니다. 아래는 관측 가능한 고수준 흐름만 보여줍니다.
얼굴 인식은 선택적 rescue, 의상 유사도는 보조 corroboration일 뿐이며,
어느 것도 단독으로 신원을 확정하지 않습니다. 애매한 경우 앙상블은
UNRESOLVED를 반환하며, 이것은 안전한 행동으로 간주됩니다.