장면 이해
실내 놀이, 여행 식사, 공연 리허설, 회의 현장처럼 사진이 담고 있는 상황과 활동을 먼저 파악합니다.
AI Photo Labeling
사진을 올리면, AI가 장면을 읽고 검색 가능한 기록으로 바꿉니다.
담아(DAMA)는 업로드된 이미지를 AI로 분석해 장면, 장소, 인물 단서, 음식, 사물, 색감, 분위기, 활동을 추출합니다. 분석 결과는 라벨과 설명 문장으로 정리되어 “제주 여행에서 먹은 브런치 사진”, “창가 카페”, “여행 노트가 있는 사진”처럼 기억나는 말로 다시 찾을 수 있습니다.
이미지 장면 분석
객체·색감·분위기 추출
장소·활동 라벨 생성
관리자 검수 반영
자연어 검색
검색 결과 1건
여행 중 들른 카페에서 음식, 커피, 노트와 함께 남긴 맛집 기록입니다.
Image Intelligence
AI가 사진 한 장에서 검색 단서를 뽑아냅니다.
파일명이나 날짜만 의존하지 않고 이미지 자체를 읽습니다. 사진 안의 맥락을 구조화해 검색, 폴더, 컬렉션, 상세 설명에서 다시 활용합니다.
객체와 특징 추출
음식, 의상, 소품, 배경, 색상, 표정처럼 사람이 기억하는 시각적 단서를 라벨 후보로 만듭니다.
설명 문장 생성
“여행 중 들른 카페에서 남긴 브런치 기록”처럼 사진을 이해하기 쉬운 설명으로 요약합니다.
자연어 검색 연결
정확한 제목을 몰라도 장소, 활동, 분위기 단서로 원하는 사진과 기록을 다시 찾게 합니다.
업로드와 분석
사진을 올리면 AI가 이미지 안의 장면, 장소, 음식, 사물, 색감, 분위기, 활동 단서를 우선 분석합니다.
라벨과 설명 생성
사용자가 기억하는 말로 찾을 수 있도록 대표 라벨, 보조 라벨, 설명 문장을 함께 구성합니다.
검수 후 기록관 반영
관리자에서 확인한 라벨을 검색, 컬렉션, 상세 페이지에 반영해 운영 품질을 유지합니다.
Label System
AI 라벨은 검색어가 아니라 기록의 구조가 됩니다.
사진 한 장에 여러 단서를 붙여두면 하나의 키워드, 문장형 검색, 컬렉션 탐색으로 같은 기록에 다시 접근할 수 있습니다. 라벨은 단순 태그가 아니라 기록관을 탐색하는 길잡이입니다.
장면과 활동
AI가 실내 놀이, 여행 식사, 회의 현장, 공연 준비처럼 사진의 상황을 라벨로 제안합니다.
사물과 특징
옷 색상, 음식, 소품, 장소 단서처럼 기억에 남는 시각적 특징을 함께 저장합니다.
설명과 맥락
사진만으로 알기 어려운 행사명, 사람 관계, 당시 상황은 설명과 메모로 보완합니다.
AI Review Flow
AI 분석 결과를 운영자가 검수해 신뢰도를 높입니다.
AI가 제안한 라벨을 그대로 끝내지 않고 기록관의 목적에 맞게 다듬습니다. 자동화의 속도와 사람의 맥락 판단을 함께 사용해 검색 품질을 관리합니다.
이미지 분석
장면, 사물, 색상, 활동, 분위기 단서를 AI가 우선 추출합니다.
라벨 후보 생성
검색에 쓸 대표 라벨과 컬렉션에 쓸 보조 라벨을 제안합니다.
관리자 검수
부정확한 라벨은 제거하고 기록 목적에 맞는 표현으로 정리합니다.
검색 반영
검수된 라벨을 검색, 상세 설명, 컬렉션 화면에 반영합니다.