온톨로지 AI 에이전트 연구 플랫폼

Veridion

이미지 임베딩을 중심으로 텍스트·서사·캐릭터 정체성을 분리 분석하고, 온톨로지와 출처 기록으로 근거를 조립하는 저작권 침해 탐지·검토 지원 시스템

주요 내용

제품 요구사항과 증거 경계를 정의하고, 시스템 아키텍처부터 백엔드·프런트엔드·온톨로지 구현까지 개발 전 과정을 혼자 수행했습니다.
SSCD 근접 중복, CCIP 캐릭터 정체성, 한국어 축자·의미 검색, 서사·말투·설정 루브릭을 서로 다른 증거 경계로 구성했습니다.
고정 코사인 임계값을 폐기하고 FPIR 목표와 실제 비교 수에서 판정선을 역산하며, 측정 해상도 밖에서는 유사도만 보고하고 결론을 보류합니다.
전체 프레임과 캐릭터 크롭의 오탐 분포를 분리하고, 다중 캐릭터 프레임에서는 리전별 검색과 round-robin 병합으로 특정 캐릭터의 레퍼런스 수가 top-k를 독점하지 못하게 했습니다.
LLM은 Turtle을 직접 쓰지 못하고 고정 JSON 계약만 사용합니다. 서버가 allowlist로 트리플을 생성하고 모델 유래 주장을 추출기별 named graph에 격리해 일괄 철회할 수 있습니다.
스타일화 입력의 정체성 붕괴와 시각 속성 융합의 회귀를 측정한 뒤, 속성을 자동 판정 점수가 아닌 사람 검토용 설명 근거로 분리했습니다.

Veridion 오픈셋 보정: 규모에 따라 판정선을 바꾸고, 측정할 수 없으면 멈추기 캐릭터 검색을 고정 코사인 임계값이 아닌 1:N 오픈셋 식별 문제로 다뤘습니다. 갤러리 규모와 입력 리전 수에서 오탐 예산을 역산하고, 경험적 분포가 요구 수준을 측정하지 못하면 판정을 보류합니다. whole-frame과 crop을 분리 보정하고 불균형 갤러리는 round-robin으로 병합합니다. 1:N · FPIR 판정선은 모델 상수가 아니라 갤러리·리전 수·검토 예산의 함수

Python FastAPI PyTorch ONNX Runtime FAISS Next.js TypeScript LLM Agents Oxigraph RDF/SPARQL PROV-O PostgreSQL