← 모든 프로젝트
제품 / 2024년~현재항해 기항지 02 / 08

Releaf

작은 행동. 더 가벼운 발자국.

역할

공동 창업자 및 소프트웨어 엔지니어

활동 배경

Rematter Cooperation

도구 및 방법

SwiftUI · Core ML · Django · 그래프 신경망 · 보정된 분류기

직접 제작한 섬 모델: Releaf
섬에 담긴 이야기

휴대폰 하나, 나무 한 그루, 그리고 물건이 갈 다섯 곳.

이 사이트를 위해 Blender로 만든 일러스트입니다. 개념을 설명할 뿐, 프로젝트의 데이터가 아닙니다.

프로젝트의 원본 이미지, 도표, 영상은 원래 언어로 제공됩니다.

출발점이 된 질문

지속가능성은 다음 행동이 구체적일 때 더 다가가기 쉬워집니다. 저는 사람들이 이미 가진 물건, 바꾸고 싶은 습관, 그리고 그런 시도를 함께 나눌 커뮤니티를 중심으로 Releaf를 만드는 데 참여했습니다. 친근한 겉모습 아래에서 이 앱은 머신러닝을 쓸모 있는 곳에 두고, 그것이 아는 것에 대해 정직하게 유지하는 연습입니다.

5,000+앱 다운로드
30휴대폰에서 인식하는 품목 종류
11‘나의 나무’의 성장 단계
상위 2개2025 사회혁신 공모전
01

정보부터 일상습관까지

Releaf는 일상적인 재료를 재사용하는 방법, 하루 동안 발생한 탄소량 추정, 그리고 효과가 있었던 것을 나누는 커뮤니티를 한데 모았습니다. 목표는 환경 정보가 일상 속에서 쓸모 있는 자리를 갖게 하는 것입니다. 시도해 볼 아이디어, 기록할 행동, 다른 사람에게 보여 줄 무언가가 그런 자리입니다. 진행 상황은 열한 단계로 자라는 나무로 표시되고, 보상은 물방울로 집계됩니다.

02

휴대폰 안에서 작동하는 분류기

앱의 현재 코드는 Core ML로 변환한 EVA-02 Large 비전 모델로 쓰레기를 인식합니다. 이미지 하나가 세 개의 출력 헤드를 동시에 거칩니다. 품목 클래스 30개, 재료 15개, 수거함 4개입니다. 기기에서 실행되므로 사진이 휴대폰을 떠나지 않아도 쓸모가 있으며, 설정된 신뢰도보다 낮은 예측은 확실한 것처럼 제시하지 않고 따로 표시합니다. 온디바이스 모델을 쓸 수 없으면 앱은 서버의 같은 분류기로 대체할 수 있습니다.

03

큰 모델 대신 작은 그래프

이름을 아는 것만으로는 아직 조언이 되지 않습니다. Releaf는 43개 노드(품목 30개, 재료 8개, 처리 경로 5개)와 118개 간선으로 이루어진 지식 그래프를 앱에 담았으며, 임베딩은 그래프 어텐션 네트워크로 학습했습니다. 폐기 안내는 그래프의 간선을 따라가는 조회이고, ‘비슷한 품목’은 임베딩 간 코사인 유사도입니다. 검색을 이 그래프로 옮기면서 해당 기능은 외부 언어 모델 서비스에 의존하지 않게 되었습니다.

04

추정과 계산을 구분하는 탄소 추적

탄소 추적기는 사용자가 직접 켜야 작동합니다. 위치와 움직임 측정값은 휴대폰에서 15초 단위 구간으로 요약되고, 그 요약만 업로드됩니다. 보정된 분류기가 이동 수단을 추론하며, 신뢰도가 낮으면 ‘알 수 없음’으로 보고합니다. 그다음 감사 가능한 별도 단계에서 거리에 공개된 배출 계수를 곱합니다. 분류기는 물리 기반 이동 시뮬레이터로 학습했으므로, 시뮬레이션에서의 거의 완벽한 정확도가 실제 휴대폰에서의 성능을 뜻하지는 않습니다.

05

팀과 함께 구축하기

Rematter Cooperation의 공동 창업자로서 저는 SwiftUI 앱, 계정·보상·업적·알림을 담당하는 Django 백엔드, 그리고 이를 지원하는 AI 서비스 전반에 걸쳐 작업했습니다. 우리는 2,000달러의 자금을 유치했고, 2025 중국 고등학교 사회혁신 대회 및 인큐베이션 캠프에서 상위 2개 팀에 선정되었습니다. Releaf는 다운로드 5,000건을 넘어섰습니다.

기술 구현 살펴보기

사진부터 유용한 다음 단계까지.

  1. 01

    이미지 하나, 질문 세 개

    EVA-02 Large 분류기는 448 × 448 이미지를 받아 공유 표현으로 세 가지 질문에 답합니다. 이 품목이 무엇인지, 무엇으로 만들어졌는지, 어느 수거함에 넣어야 하는지입니다. 보류된(held-out) 이미지에서의 정확도는 평가 세트에 따라 약 90%에서 94%였으며, 음식물 쓰레기와 유리병이 가장 약한 클래스였습니다. 모델은 휴대폰용으로 16비트 정밀도의 Core ML 형식으로 내보냈습니다.

  2. 02

    그래프 조회로 안내하기

    그래프 어텐션 네트워크(GATv2)는 43개 노드 각각에 대해 64차원 임베딩을 학습합니다. 앱은 그래프를 일반 데이터 형태로 함께 배포하므로, 예측을 안내로 바꾸는 작업은 오프라인에서도 작동하는 이웃 조회와 유사도 검색으로 이루어집니다. 유사도 점수는 후보의 순위를 매길 뿐이며, 재사용 아이디어가 효과가 있을 확률을 보정한 값이 아닙니다.

  3. 03

    부분적인 실패 시 유용함

    보조 서비스는 게이트웨이, 비전, 검색, 지식 그래프, 응답 단계로 작업을 나눕니다. 오케스트레이터는 서비스가 빠지면 응답을 부분 응답으로 표시하고, 대체 경로가 더 단순한 답을 계속 제공합니다. 사용할 수 없는 기능은 감추지 않고 그대로 알립니다.

이 세부 사항은 앱의 현재 코드와, 스테이징 준비 상태를 보고하는 보조 AI 저장소를 설명합니다. 출시된 앱의 다운로드 수치와는 별개이며, 여기서 설명한 모든 기능이 출시된 것으로 확인된 것은 아닙니다.

보조 AI 저장소 살펴보기
이 결과가 보여 주지 않는 것

정직하게 밝히는 한계.

  • 다운로드, 자금, 대회 수치는 제 이력서에서 가져왔습니다. 사용량이나 사용자 유지율 수치가 아닙니다.
  • 탄소 수치는 이동 거리와 공개된 배출 계수로 계산한 추정치입니다. 개인의 실제 탄소 발자국을 측정한 값이 아닙니다.
  • 이동 수단 분류기는 시뮬레이션 이동 데이터로만 평가했습니다. 실제 기기에서의 정확도는 아직 알 수 없습니다.
공유된 재사용 아이디어를 보여주는 Releaf의 커뮤니티 화면
앱 화면에서

작지만 실제적인 행동들의 피드.

이전 릴리스의 커뮤니티 화면으로, 앱 사용자들이 공유한 재사용 아이디어가 보입니다. 위쪽 섬에 서 있는 휴대폰에도 같은 스크린샷이 있습니다.

실제 앱 스크린샷입니다. 이후 빌드에서는 탭이 만들기(Create), 임팩트(Impact), 커뮤니티(Community)를 중심으로 재구성되었습니다.

가까운 섬들

이어지는 지점.

문맥 및 추가 자료

다운로드 및 자금 조달 수치는 내 이력서에 보고됩니다. 탄소 추정치는 정보 제공용입니다. 이는 환경 영향을 직접적으로 측정한 것이 아닙니다.