AI 기반 K-pop 안무 영상 비교 · 분석 · 보고서 자동 생성 웹 서비스
두 K-pop 안무 영상을 업로드하면 AI가 유사 구간을 탐지하고,
신체 부위별 유사도를 분석하여 PDF 보고서를 자동 생성합니다.
K-pop 안무 영상 간 유사도를 자동으로 분석하는 풀스택 AI 웹 서비스입니다. 두 영상을 업로드하면 딥러닝 파이프라인이 동작을 추출하고, 구간별 유사도를 계산한 뒤, LLM이 자연어 분석 보고서를 생성합니다.
프로젝트 시연 및 소개 영상 링크 : https://youtu.be/C7zSym6TCzI
| 기능 | 설명 |
|---|---|
| 🎯 전체 유사도 분석 | 두 안무 영상의 전체 유사도 점수 산출 |
| 🔍 구간별 탐지 | 시간 구간별 유사 안무 구간 자동 탐지 |
| 🦴 부위별 분석 | 왼팔, 오른팔, 왼다리, 오른다리, 몸통 부위별 유사도 |
| 📊 AI 보고서 | GPT-5.1 기반 자연어 분석 보고서 자동 생성 |
| 📄 PDF 내보내기 | 분석 결과를 PDF 보고서로 다운로드 |
| 👤 분석 히스토리 | 과거 분석 기록 조회 및 상세 보기 |
Tenein은 K-pop 산업의 안무 저작권 보호, 댄스 교육 혁신, 콘텐츠 생태계 활성화에 기여합니다.
|
문제: 주관적 전문가 평가의 한계 솔루션: AI 기반 객관적 정량 측정 가치:
|
문제: 추상적 피드백 ("더 잘 춰") 솔루션: 정량적 구체적 피드백 가치:
|
문제: 주관적 인기도 평가 솔루션: 객관적 자동 순위 시스템 가치:
|
| Objective (객관성) | Interpretable (해석 가능성) | Accessible (접근성) |
|---|---|---|
| 97.66% 정확도 데이터로 말합니다 |
부위별 상세 분석 객관적 지표를 통한 설명 |
3초 처리 전문가 수준을 누구나 |
Team, Tenein
Tenein — 고대어로 "안무"를 뜻합니다.
 김수만(팀장) PM / AI |
 김정인 AI / QA |
 배문경 AI / FE |
 백경지 BE |
| 항목 | 내용 |
|---|---|
| 프레임워크 | React 18 + Vite 5 (JSX, TypeScript 미사용) |
| 디자인 시스템 | Glassmorphism (backdrop-filter blur + 반투명 그라디언트) |
| 인증 | Supabase Auth (이메일/비밀번호) |
| PDF 생성 | @react-pdf/renderer (브라우저 내 생성, 서버 부하 없음) |
| 폰트 | Chakra Petch (제목), Rajdhani (본문), NotoSansKR (PDF) |
| 페이지 | 파일 | 기능 |
|---|---|---|
| 🔐 | Login.jsx |
로그인 / 회원가입 |
| 🏠 | home_page.jsx |
영상 업로드 + 분석 요청 |
| ⏳ | loading_page.jsx |
분석 대기 (단계별 메시지 + 경과시간) |
| 📊 | result_page.jsx |
분석 결과 + 아코디언 구간 + PDF 다운로드 |
| 👤 | profile_page.jsx |
유저 정보 + 히스토리 + 상세 모달 |
| ℹ️ | about_us_page.jsx |
서비스 소개 |
| 항목 | 내용 |
|---|---|
| 프레임워크 | FastAPI + AWS |
| ML 런타임 | PyTorch (CPU), YOLO, MediaPipe, MotionBERT, GCN |
| LLM | LangChain + GPT-5.1 |
| DB/Storage | Supabase (PostgreSQL + Storage) |
POST /api/analyze
Content-Type: application/json
{
"video_a_id": 1,
"video_b_id": 2
}// Response
{
"overall": {
"score": 68.0,
"interpretation": "전체 유사도는 중간 이상으로..."
},
"summary": "두 영상의 전체 유사도는...",
"key_differences": [
"팔 동작 디테일에서 의도적 변형이 관찰됨",
"후반부로 갈수록 포즈 일치도가 감소"
],
"segments": [
{
"id": 1,
"score": 66.7,
"video_a": { "start": 15.0, "end": 20.0 },
"video_b": { "start": 10.0, "end": 15.0 },
"description": "영상 A의 15~20초와 영상 B의 10~15초는..."
}
]
}-- 사용자 프로필
profiles (
id UUID PRIMARY KEY, -- auth.users.id FK
user_name TEXT
)
-- 분석 결과
analyses (
aid BIGINT PRIMARY KEY, -- auto-increment
user_id UUID, -- auth.users.id FK
created_at TIMESTAMP,
result_data JSONB -- format_result 출력 전체
)
-- Storage: videos 버킷 (public)현재 공개 레포지토리 기준 구조입니다.
📦 2026-capstone-28
│
├── 📄 README.md # 프로젝트 전체 설명서
├── 📄 .gitignore
│
├── 📁 .github # GitHub Actions
│ └── workflows
│ └── deploy.yml # CI/CD 배포 워크플로우
│
├── 📁 assets # 정적 자산
│ └── images
│ └── poster.png # 프로젝트 포스터
│
├── 📁 frontend # 프론트엔드 (React + Vite)
│ ├── 📁 public # 정적 파일
│ │ ├── logo.png
│ │ └── fonts
│ │ ├── NotoSansKR-Bold.ttf
│ │ └── NotoSansKR-Regular.ttf
│ │
│ ├── 📁 src
│ │ ├── 📁 pages # 페이지 컴포넌트
│ │ │ ├── Login.jsx # 로그인/회원가입
│ │ │ ├── home_page.jsx # 영상 업로드
│ │ │ ├── loading_page.jsx # 분석 대기
│ │ │ ├── result_page.jsx # 분석 결과
│ │ │ ├── profile_page.jsx # 사용자 프로필
│ │ │ └── about_us_page.jsx # 서비스 소개
│ │ │
│ │ ├── 📁 hooks # Custom Hooks
│ │ │ └── useIsMobile.js
│ │ │
│ │ ├── 📁 lib # 외부 라이브러리
│ │ │ └── supabaseClient.js
│ │ │
│ │ ├── 📁 utils # 유틸리티
│ │ │ └── generatePDF.jsx # PDF 보고서 생성
│ │ │
│ │ ├── 📁 assets # 이미지 자산
│ │ │ ├── background.png
│ │ │ ├── pdf-cover-bg.png
│ │ │ └── pdf-body-bg.png
│ │ │
│ │ ├── App.jsx # 메인 앱 컴포넌트
│ │ └── main.jsx # React 진입점
│ │
│ ├── package.json
│ ├── vite.config.js
│ └── README.md
│
├── 📁 backend # 백엔드 (FastAPI + PyTorch)
│ ├── 📁 api # REST API
│ │ ├── router.py # API 라우터
│ │ └── video_upload.py # 영상 업로드 처리
│ │
│ ├── 📁 core # 핵심 설정
│ │ ├── config.py # 환경 설정
│ │ └── model_loader.py # 모델 로더
│ │
│ ├── 📁 models # AI 모델
│ │ ├── 📁 yolo
│ │ │ └── detector.py # YOLOv8 인물 검출
│ │ ├── 📁 HRnet
│ │ │ └── HRnet_loader.py # HRNet-W48 포즈 추출
│ │ ├── 📁 motion_bert
│ │ │ ├── architecture.py # MotionBERT 구조
│ │ │ └── embedder.py # 3D 임베딩 생성
│ │ └── 📁 gcn_mlp
│ │ ├── lightweight_gcn.py # ST-GCN
│ │ ├── siamese_mlp.py # Siamese MLP
│ │ └── inferencer.py # 유사도 추론
│ │
│ ├── 📁 model_pipeline # AI 파이프라인
│ │ ├── analyze.py # 메인 분석 로직
│ │ ├── object_extractor.py # YOLO 객체 추출
│ │ ├── object_processor.py # HRNet 포즈 처리
│ │ ├── bert_3d_lifting.py # 2D→3D 변환
│ │ ├── bert_embedder.py # MotionBERT 임베딩
│ │ ├── feature_extractor.py # 특징 추출
│ │ ├── stgcn_pose_encoder.py # ST-GCN 인코더
│ │ ├── pose_tag.py # Pose+Tag 멀티모달
│ │ ├── tag_extractor.py # Tag Feature 추출
│ │ ├── inferrence.py # 유사도 추론
│ │ ├── report.py # LLM 보고서 생성
│ │ └── result_formatter.py # 결과 포맷팅
│ │
│ ├── 📁 repository # 데이터 레포지토리
│ │ └── video_repository.py
│ │
│ ├── 📁 schemas # API 스키마
│ │ ├── analyze_schemas.py
│ │ └── video.py
│ │
│ ├── 📁 utils # 유틸리티
│ │ ├── ffmpeg_utils.py # 영상 처리
│ │ ├── supabase_client.py # Supabase 클라이언트
│ │ └── validation.py # 입력 검증
│ │
│ ├── main.py # FastAPI 진입점
│ └── requirements.txt # Python 의존성
```
프론트엔드는 React 18 + Vite 5 기반 SPA 구조입니다.
| 디렉터리 | 역할 |
|---|---|
pages/ |
라우트 단위 페이지 (Login, Home, Result 등) |
hooks/ |
Custom React Hooks (모바일 감지 등) |
lib/ |
외부 라이브러리 클라이언트 (Supabase) |
utils/ |
유틸리티 함수 (PDF 생성, 포맷팅) |
백엔드는 7단계 AI 파이프라인 중심으로 구성됩니다.
| 디렉터리 | 역할 |
|---|---|
api/ |
REST API 엔드포인트 |
models/ |
AI 모델 구현 (YOLO, HRNet, MotionBERT, GCN) |
model_pipeline/ |
7단계 처리 로직 (추출→임베딩→추론→보고서) |
utils/ |
영상 처리, DB 연결, 검증 |
┌──────────────────────────────────────────────────────────────────────┐
│ AWS Cloud │
│ │
│ ┌─────────────────────┐ ┌─────────────────────┐ │
│ │ EC2 — Frontend │ │ EC2 — Backend │ │
│ │ ┌───────┐ ┌──────┐ │ │ ┌────────┐ ┌──────┐ │ │
│ │ │ React │ │ Vite │ │ POST │ │FastAPI │ │Docker│ │ │
│ │ └───────┘ └──────┘ │ ──────→ │ │Python │ └──────┘ │ │
│ │ Docker │/analyze │ └────────┘ │ │
│ └──────────┬──────────┘ └──────────┬───────────┘ │
│ │ │ │
└─────────────┼───────────────────────────────┼────────────────────────┘
│ HTTPS │
│ ├──→ Supabase DB
│ ├──→ Supabase Storage
│ └──→ OpenAI API (Report)
│
┌─────────┼──────────────────────────────────────┐
│ ▼ │
│ ┌─────────────┐ │
│ │Supabase Auth│ Login / Create Account │
│ └─────────────┘ │
│ Supabase │
└────────────────────────────────────────────────┘
┌──────────────────────────────────────────────────────────────────────┐
│ CI/CD Pipeline │
│ │
│ Developer → GitHub → GitHub Actions → Docker Build → ECR Push │
│ │ │
│ └──→ EC2 자동 배포 │
└──────────────────────────────────────────────────────────────────────┘
| 구성 요소 | 서비스 | 역할 |
|---|---|---|
| 🖥 | EC2 (Frontend) | React + Vite 정적 파일 서빙, Docker 컨테이너 |
| 🧠 | EC2 (Backend) | FastAPI + PyTorch ML 파이프라인, Docker 컨테이너 |
| 📦 | ECR | Frontend Image, Backend Image 저장소 |
| 🔐 | Supabase Auth | 사용자 인증 (이메일/비밀번호, Google OAuth) |
| 🗄 | Supabase DB | PostgreSQL — 분석 결과, 사용자 프로필 저장 |
| 📁 | Supabase Storage | 업로드 영상 파일 관리 (videos 버킷) |
| 🤖 | OpenAI API | GPT-5.1 기반 분석 보고서 생성 |
1. 개발자가 main 브랜치에 push
2. GitHub Actions 트리거
3. Docker 이미지 빌드 (Frontend / Backend)
4. ECR에 이미지 Push
5. EC2에서 최신 이미지 Pull + 컨테이너 재시작
Tenein — K-pop Visual Studio
2026 국민대학교 소프트웨어융합대학 캡스톤디자인
산학협력 : 한국콘텐츠진흥원
© 2026 Tenein Team