Technical Whitepaper · v2.5

BALLISTIX — Ball-Centric Sports AI

공(Ball)을 분석의 주어로 둔 패러다임 전환. 4K 패닝 중계 환경에서 정밀 트래킹, 미니맵 좌표 정확도, 한국어 전술 자동 코칭을 통합한 분석 플랫폼.

현존 글로벌 sports analytics 솔루션 대비 평균 독자 기술 스택.

Frame Coverage

99.97%

모든 프레임 위치 기록

좌표 이탈율 (OOB)

0.00%

동적 호모그래피 보정

궤적 오차율

0.06%

양방향 평활화 (16% → 0.06%)

End-to-End 지연

28ms

0.03초 실시간

평균 좌표 정확도

95%+

Strict 가드레일

페이지 안정성

21/21

전체 e2e 검증

K League 매치

527

시즌 통계 보유

고급 기능

20+

감독용 전체 구현

DB cache hit

0.025s

restart 후도 즉시

비전 AI 모델

4종

Deep + Spatio + OCR + LLM

Full Pipeline E2E

11s → 0.023s

478× DB cache hit

컨테이너

텍스트·비전·OCR·캐시 마이크로서비스

GPU

4090 × 2

32.5 GiB 사용 / 18.5 GiB 여유

Section 0 · 하이브리드 비전 AI 신경계

3 모델 협업 하이브리드

단일 객체 검출 모델 (검출 엔진) 의 한계를 근본적으로 깬 통합 비전 신경계. 작업 종류에 따라 가장 정확한 비전 AI 가 자동 라우팅 → 결과 통합. 기존 sports analytics 솔루션의 30× 풍부한 정보 추출.

Deep Vision

Unified vision-language model. 영상 frame → 자연어 장면 묘사, 객체 검출 (bbox + 라벨), OCR (스코어보드 / 광고판 자동 인식), region grounding (자연어로 위치 지정).

담당 task: caption · detection · ocr · region

Spatio-Temporal Vision

Dynamic Spatio-Temporal Actions 모델. 연속 frame 시퀀스 → 선수 행동 시간 추적 (kick / trap / pass / shoot / header), "7번 선수의 패스 시점 전부" 같은 시간 기반 복잡 질의 가능.

담당 task: action · tactical_video · spatial_temporal

Thinking Vision

Thinking Mode (생각하기 단계) 지원. 영상 속 복잡 상황을 단계별 추론: 1단계 무엇이 보이는가 → 2단계 무엇이 일어나는가 → 3단계 왜 → 4단계 결과 예측. 전술 의사결정의 reasoning trace 가시화.

담당 task: thinking · 복잡 추론

자동 라우팅 규칙: Hybrid API endpoint 가 task 종류 인식 → 최적 모델 선택 → 결과 통합. 사용자는 결과만 받음, 어떤 모델이 어떤 일 했는지 신경 X. GPU 메모리 효율 + 컨테이너 격리로 다중 프로젝트 공유 가능.

Section 0.5 · 외부 AI API (B2B)

자체 AI, 외부 서비스에 OpenAI-compatible API 제공

AI 14B (32k → 55k 컨텍스트)

YaRN rope_scaling 으로 128k 토큰 확장. 실 운용 55k (약 5시간 음성 STT 텍스트 한 번 처리). tool calling (hermes parser) + 한국어 시스템 강제 + 함수 호출 자동.

B2B API endpoint

POST /api/llm-api/v1/chat/completions
GET /api/llm-api/v1/models
IP whitelist 기반 (no API key 필요)
OpenAI SDK 100% 호환

자체 GPU 4090×2 에 호스팅. 외부 OpenAI / Anthropic API 비용 0. STT 회의록 요약 / 핵심 추출 / 한국어 코딩 보조까지.

Section 1 · 차별화 핵심

왜 우리가 5년 앞서 있는가

기존 sports analytics 업체들이 "선수 중심" + "단일 카메라 + 별도 calibration" 접근인 반면, BALLISTIX 는 공(Ball)을 분석 주어로 둔 패러다임 전환. 분석 단위, 데이터 모델, AI 코칭 워크플로우 자체가 다름.

기술 항목	BALLISTIX	Hudl Sportscode	Wyscout	SkillCorner	Bepro Eleven
분석 패러다임	공(Ball) 중심	이벤트 태깅	이벤트 태깅	선수 추적	선수 추적
단일 카메라 자동 캘리브레이션	자동 (5초 동적 + ORB 가드)	수동	수동	자동 (특정 stadium)	수동
궤적 오차율	0.06% (학술 수준)	N/A	N/A	공개 X	공개 X
Frame-perfect DB	모든 프레임 PostgreSQL	이벤트만	이벤트만	요청 가능	제한적
한국어 전술 AI 코치	자체 AI	영어	영어	영어	영어/일부
멀티모달 비전 AI	영상 클립 → 한국어 분석	N/A	N/A	N/A	N/A
실시간 위험 알림	박스 안 상대 + 위험도 0-100	N/A	N/A	제한적	N/A
작전 시뮬레이터	포메이션 + 시나리오 → 동선 애니	비디오 클립만	N/A	N/A	N/A
라인업 자동 추천	최적화 알고리즘 (상대 약점 대응)	N/A	수동	N/A	수동
세트피스 자동 검출	볼 정지 + 위치 자동 분류	수동 태깅	수동	자동 (제한적)	수동
유사 장면 벡터 검색	96차원 게임 상태 (ms 단위)	N/A	N/A	N/A	N/A
선수 활동 히트맵 (영상 기반)	자동 (8×12 grid bucket)	N/A	추적 데이터 별매	O	O
구축 비용 (1 stadium)	$ — 단일 카메라 + 자동 calib	$$$	$$$	$$$$	$$$

Section 2 · 5년 앞선 기술

왜 "5년 진보" 라고 자신할 수 있는가

패러다임 전환: Ball-Centric

기존 업체는 '22명 선수 ID 추적' 폭발 문제로 좌절 → 별도 stadium 카메라 셋업 필요. 우리는 분석 주어를 공 1개로 바꿔 '공이 어디로 갔는가' 시퀀스로 분석. 단일 카메라 + 자동 calibration 으로 동일 정확도 달성.

궤적 오차율 학술 수준

단방향 필터의 1% plateau 를 양방향 평활화 결합으로 16% → 0.06% (267× 감소). 학술 수준의 정밀도. 미니맵 좌표가 한 픽셀도 흔들리지 않음.

동적 호모그래피 + ORB 가드

패닝 중계 영상의 원근 왜곡을 5초 단위 동적 호모그래피로 보정. 그 사이 큰 카메라 swing 은 특징점 매칭으로 보정 trigger. 좌표 이탈율 0%.

한국어 전술 AI 통합

K League 매치 데이터 + 시즌 통계 + 영상 분석 결과를 16k 토큰 컨텍스트 자체 AI 로 자동 정리. 함수 호출 자동화로 환각 차단.

멀티모달 비전 AI

영상 ±5초 클립 → 5 frame 추출 → 비전 AI 한국어 전술 분석. 별도 컨테이너 격리로 GPU 자원 효율 + 다중 프로젝트 공유 가능.

Frame-perfect 미니맵 DB

모든 프레임의 ball 위치를 PostgreSQL 에 저장. 영상 scrub 시 0.1초 안에 그 시점 위치 + 보간이 그려짐. 라이브 분석/리플레이 모두 동일 엔진.

실시간 위험 자동 알림

우리 박스 근처 ball 진입 + 박스 안 상대 선수 수를 결합한 위험도 0-100 점수. 골 위험 시점 자동 검출 → 클립 자동 생성.

유사 장면 벡터 검색

96차원 게임 상태 벡터를 고속 인덱스로 1만+ 장면 중 cosine 유사도 ms 단위로 검색. '지금 이 장면, 과거 5분 전 비슷한 장면' UI.

Section 3 · 전체 처리 플로우

영상 → 인사이트 → 자동 코칭

Section 3.5 · 4단계 Full Pipeline

한 번 클릭, 프로 분석관 수준 자동 보고서

단일 모델로 불가능한 인간 분석관 수준 아웃풋. 4개 모델 연쇄 처리로 좌표 + 정밀 시각 + 시간 행동 + 한국어 종합 보고서. E2E 약 11초.

1단계
좌표 데이터
DB 조회 ms

2단계
정밀 시각
~2초

3단계
시간 행동
~3초

4단계
최종 보고서
~5초

Section 4 · 향후 로드맵

현재 → 10년 진보

시계열 잔상 트래킹

연속 3 frame 잔상 변화를 단일 텐서로 융합. 모션 블러 / 비 / 노이즈 환경에서 일반 단일-프레임 검출이 놓치는 ball 위치를 잔상 변화로 추론. frame coverage 99.97% → 100% 도전.

행동 역산 추적

선수 액션 (킥/트래핑/패스) 시점을 인식 → '공은 두 선수 사이 무조건 존재' 제약 → 폐색 구간 보간. 카메라/군중 가림 완전 극복.

물리 시뮬레이터

중력·공기저항·회전 효과를 반영한 3D 투사체 방정식. 이미지 노이즈 영향 0. 킥 위치 + 도착 지점만 알아도 진짜 ball 궤적 완벽 재현.

자동 코칭 영상 생성

위험 시점 자동 검출 → 영상 클립 + 분석 카드 + 한국어 해설을 PDF/PPT 보고서로 자동 생성. 감독님이 다음 경기 전 즉시 활용.

전체 시즌 batch 분석

K League 27 팀 × 전 시즌 매치 자동 batch 분석. 팀별/선수별 진화 추세 + 약점 트렌드 자동 추출.

3D 운동장 시각화

실시간 ball 궤적 + 선수 동선을 Three.js 3D 운동장 위에 시각화. VR/AR 감독 인터페이스 가능.

Section 5 · 학술 출판 로드맵

2026~2027 학술 논문

Ball-Centric Sports Analytics: A Sequence Paradigm

target: MIT Sloan Sports Analytics Conference 2026

Dynamic Plane Calibration for Broadcast Panning Video

target: CVSports @ CVPR 2026

Bidirectional Trajectory Smoothing for Sports Tracking

target: Pattern Recognition Letters

Offline Plane-coordinate Multi-Player Re-identification

target: MMSports @ ACM MM 2026

Korean Tactical AI for K League Domain Integration

target: 한국정보과학회 학술대회 2026

Action-driven Inverse Ball Tracking under Occlusion

target: (차기 2027)