---
id: ar-photo-booth
type: project
title: AR Photo Booth
url: https://auejin.com/ko/projects/ar-photo-booth/
lang: ko
alternate:
  en: https://auejin.com/en/projects/ar-photo-booth/
updated: '2026-08-11'
---

# AR 사진관

2024.09

- **무엇** — 전신 코스튬을 입은 사람을 캐릭터 일러스트와 합성해 그 자리에서 인화하는 무인 키오스크다.
- **왜** — 행사장 부스는 네트워크가 불안정하고, 털과 장식으로 윤곽이 복잡한 코스튬은 색으로 배경을 지우는 방식이 통하지 않는다.
- **어떻게** — 웹캠 한 대로 SAM2가 인물을 분리하고 Depth-Anything-V2가 깊이를 추정해, 사람을 일러스트 레이어 사이에 끼워 넣는다. 전 과정이 기기 안에서 돈다.
- **새로움** — 초록 배경도 서버도 없이 부스 하나로 완결된다. 2024–2026년 국내 컨벤션 일곱 행사에서 실제로 운영했다.

## 요약

**역할**: 기획 · CV 파이프라인 설계 및 구현 · AR 에셋 제작 · 현장 운영 — 전 범위 단독 수행
**저장소**: https://github.com/auejin/mirror-selfie

---

## 핵심 수치

| | |
|---|---|
| **3년 7회 · 703장** | 2024-08 ~ 2026-04, 7개 컨벤션 연속 참가 |
| **1일 최장 가동 7시간 53분** | 첫 촬영~마지막 촬영 실측. 간격 중앙값 **2분 13초**, 시간당 **9.5~10.7건** |
| **커밋 61개 중 61개(100%)** | 전부 행사 D-30~D+7 구간 내. 행사 당일·직후 핫픽스 4건 |
| **동의 기반 데이터 1,289장** | 크롤링 없이 커뮤니티 공개 모집으로 수집(현존 9명분) |
| **손익분기 547장 · 5번째 행사** | 2년 5개월 만에 초기 투자 회수. 매 행사는 처음부터 흑자 |
| **캐릭터 6종 → 9종** | 신규 캐릭터 투입 리드타임 **D-2** (PNG 2장 + 설정 3줄) |

---

## 기술 하이라이트 3

**1. 프롬프트를 자동 생성해 사람 개입을 제거했다**
SAM 2는 promptable 모델이라 누군가 클릭을 해줘야 한다. 그런데 참가자는 코스튬 머리를
쓰고 있어 화면 조작이 불가능하다. 단안 깊이 추정(Depth Anything V2)을 **프롬프트 생성기**로
써서 전경 후보 마스크와 포인트를 자동 산출하고, 이를 SAM 2.1의 hybrid prompt로 넘겼다.
모델을 하나 더 얹는 대신 사람을 파이프라인에서 뺐다.

**2. 정확도를 시간축의 결정적 지점에만 배치했다**
프리뷰의 부드러움과 저장본의 정확도는 같은 경로에서 동시에 만족시킬 수 없다.
추론을 백그라운드 스레드로 분리하고 프리뷰는 캐시된 마스크로 즉시 합성하되,
**촬영 버튼을 누른 순간에만** 스레드를 join하고 현재 프레임에 동기 재추론을 건다.
프리뷰 마스크가 1프레임 낡는 것은 의도적으로 허용한 비용이다.

**3. 하드웨어 의존성을 스스로 되돌렸다**
뎁스카메라를 도입해 분리 정확도를 높였다가, 4개월 뒤 제거했다. 운반·드라이버·정렬 유지
부담에 더해 **그 장비가 고장나면 부스 전체가 멈추는** 단일 장애점이었기 때문이다.
단안 깊이 추정으로 대체하고, 잃은 정확도는 하이브리드 프롬프트로 보전했다.

---

## 이 프로젝트가 증명하는 것

**데모가 아니라 라이브 프로덕션이다.** 낯선 사람이 줄을 서 있고, 실패하면 그 자리에서
보이고, 8시간 가까이 운영자 개입 없이 버텨야 한다. 벤치마크 점수가 아니라 **현장에서 무너지는
지점을 찾아 구조로 막은 이력**이 이 문서의 내용이다.

**범용 모델이 깨지는 도메인을 직접 다뤘다.** 전신 코스튬은 인물 분리 모델의 자연 발생
적대 샘플이다 — 비인간 실루엣, 픽셀 단위로 반투명한 털 경계, 광택 소재의 배경 반사,
피부색·얼굴 단서의 전무. 데이터(파인튜닝)로 한 번, 구조(사람 개념 제거)로 한 번 풀었고
**왜 두 번째를 택했는지** 설명할 수 있다.

**동의 기반으로 데이터를 모았다.** 커뮤니티 공개 모집 → 목적 사전 고지 → 폼 opt-in 수집.
참가자 촬영물은 로컬에만 저장하고 반출하지 않는다. 온디바이스 추론은 지연·비용 최적화이자
**동시에 프라이버시 설계**였다.

**3년간 자기 돈을 태우지 않고 돌아갔다.** 인쇄 1장 5,000원, 인화지 원가 509원,
장당 공헌이익 4,491원. 초기 투자 246만원을 **5번째 행사(2년 5개월)에서 회수**했고
3년 누적 순손익은 **51만~70만원**이다. 매 행사의 반복 비용은 21장이면 회수되므로
**7개 행사 전부가 그 행사만 놓고 보면 흑자**였다 — 얇지만 지속 가능한 구조.
인건비를 시장가로 넣으면 즉시 음수가 되므로, 사업성이 아니라 **지속 가능성**의 증거다.

지출 내역에 두 개의 이야기가 있다. **단일 최대 지출은 배경 그림 외주 100만원**으로
AI 장비 일체(71만원)의 1.4배였다 — 이 프로젝트에서 기술은 가장 싼 부품이었다.
그리고 **31만원은 4개월 만에 폐기한 뎁스카메라**다. 판단 착오의 크기를 숫자로 남겨뒀다.

**실패를 숨기지 않는다.** 기증자 21명을 모았으나 저장소 정책 부재로 12명분을 잃었다.
수집 역량은 있었으나 보존 정책이 없었다는 것이 정확한 진단이고, 아직 미해결이다.

---

상세 포트폴리오: https://auejin.com/ko/projects/ar-photo-booth/portfolio/