imai pilot — measure-first

파일럿의 모든 단계가 실측으로 뒷받침됩니다

우리는 "당신 현장에서 얼마인가"에만 답합니다. 무료진단으로 시작해, 소량의 현장 데이터로 적응하고, 계약 가능한 놓침율을 통계적 증명으로 판정합니다 — 불가능한 약속은 불가로 말씀드립니다.

01

무료진단 — 지금 상태를 정직하게 측정

귀 기관의 샘플 이미지·영상(수십 장이면 충분)을 받아 현재 모델의 zero-shot 성능과 오탐 프로파일을 측정한 리포트를 드립니다. 턴키 도구(icinspect-evaluate / 안전판 imai-safety-evaluate)로 수 시간 내 산출.

귀사 제공: 샘플 이미지·영상(비식별)산출: 진단 리포트(검출률·오탐·게이트 효과)
근거 — 왜 zero-shot을 그대로 믿으면 안 되나: 낙상은 실CCTV에서 검출률이 1/9로 붕괴했고, 화재도 타 출처에서 −42~86% 붕괴했습니다. 반면 크랙은 외부 실교량에서 오히려 상향 전이(0.68)버티컬마다 다르므로 재보지 않고는 모릅니다.
02

소량 현장 데이터 수집 — 생각보다 적게 듭니다

진단 결과 적응이 필요하면, 현장 카메라·조건을 대표하는 소량 라벨 데이터(수십~수백 장 규모)를 함께 정의합니다. 라벨링은 저희가 보조하고, 라벨 품질은 육안검증 절차를 거칩니다(자동라벨 무검증 금지 — 우리 내부 원칙과 동일 기준).

귀사 제공: 현장 영상 접근(또는 촬영 협조)산출: 검증된 현장 데이터셋 + sha256 명세
근거 — 소량이면 되는 이유: 화재 실측에서 타깃 데이터 10%만으로 성능 격차의 57%를 회복했습니다(회복곡선, 3독립시드).
03

현장 적응 — 검증된 방법으로만

적응은 기존+현장 혼합 재학습으로 수행합니다. 이는 취향이 아니라 A/B 실측의 결론입니다: 라벨 없는 통계 적응(AdaBN)은 무효였고, 현장 데이터만으로 파인튜닝하면 원 성능을 40% 망각했습니다 — 혼합만이 회복과 유지를 동시에 달성했습니다.

산출: 현장 적응 모델 + 적응 전/후 비교 리포트
근거: 적응 방법 A/B 실측(2-2절) — AdaBN 0.101 · norm-affine 0.117 · 타깃만 FT 0.483(망각 −40%) · 혼합 0.528(유지 보존).
04

보장 판정 — 계약 가능한 놓침율을 증명으로

적응 모델을 현장 캘리브레이션 데이터로 Conformal Risk Control 판정합니다: "놓침율 ≤α" 운영점이 통계적으로 보장 가능한지가 증명으로 갈립니다. 가능하면 보장된 운영점과 그 지점의 오탐율 실측치를 계약 기준으로 제시하고, 불가면 불가와 개선 경로(데이터 추가·모델 개선)를 말씀드립니다. 오탐은 VLM 게이트가 담당합니다(외부 실측: 오검출 85% 기각). 단, 2026-07-14 자체 코드리뷰에서 보장 임계와 제품 임계가 달랐던 사실을 적발해 정정 중입니다 — 보장 판정은 출하 모델에서 재산출 후 제시합니다(정정 내역 공개).

귀사 제공: 캘리용 라벨 이미지(α=0.05 기준 최소 19장, 실용 수백 장)산출: 보장 판정서 + 서명 매니페스트
근거: 컨포멀 보장 실측(독립 원본셋 α=0.10 전 시드 성립·불가는 불가 판정, 수학은 몬테카를로 20,000회 검증) · 게이트 오검출 85% 기각(2절).

우리가 하지 않는 약속

① 재보지 않은 현장의 정확도 숫자 — 말하지 않습니다. ② 개별 이미지 단위의 보장 — 통계 보장은 기대값입니다. ③ 촬영 조건이 바뀐 뒤에도 유지되는 보장 — 재캘리브레이션이 필요합니다. ④ 자율 판정 — 최종 판정과 법적 책임은 인증 점검자에게 있으며 imai는 보조 도구입니다. 이 원칙들은 정직성 대시보드와 각 리포트의 서명 매니페스트로 스스로 구속합니다.

무료진단 신청 → 실측 리포트 전체 보기 라이브 데모
© immersivecast · imai 파일럿 절차 — 모든 단계 주장에 실측 리포트 링크가 붙어 있습니다 · pr@immersivecast.com