로그를 찍어보니 충격적인 결과가 나왔습니다.

[프레임 0~30] 블러=9ms
[프레임 90~120] 블러=73ms
[프레임 210~240] 블러=150ms
[프레임 450~480] 블러=264ms

블러 처리 시간이 9ms에서 시작해서 264ms까지 늘어났습니다. 거의 30배 느려진 거죠.

첫 번째 용의자: RenderScript Allocation

처음엔 당연히 RenderScript가 문제라고 생각했습니다. GPU 메모리 누수가 의심스러웠거든요.

Allocation 재사용 구현

매번 Allocation을 생성하고 해제하는 대신, 캐시해서 재사용하도록 수정했습니다.

private var cachedInput: Allocation? = null
private var cachedOutput: Allocation? = null

// 크기가 같으면 재사용
if (cachedInput == null || cachedWidth != w || cachedHeight != h) {
    cachedInput?.destroy()
    cachedOutput?.destroy()
    cachedInput = Allocation.createFromBitmap(renderScript, faceRegion)
    cachedOutput = Allocation.createTyped(renderScript, cachedInput!!.type)
} else {
    cachedInput!!.copyFrom(faceRegion)
}

결과는? 여전히 느려졌습니다. 조금 나아지긴 했지만 근본적인 해결책은 아니었어요.

두 번째 용의자: Canvas 중복 생성

혹시 Canvas를 루프 안에서 계속 생성하고 있나 싶어서 확인해봤습니다.

// 잘못된 코드
facesWithIntensity.forEach { (face, _) ->
    val canvas = Canvas(output)  // 매번 생성!
    canvas.drawBitmap(faceRegion, ...)
}

// 수정한 코드
val canvas = Canvas(output)  // 한 번만 생성
facesWithIntensity.forEach { (face, _) ->
    canvas.drawBitmap(faceRegion, ...)
}

이것도 고쳤지만… 여전히 느려졌습니다.

진짜 범인: ghostFaces 맵

얼굴이 화면에서 사라졌다가 다시 나타날 때를 대비해서 ghostFaces라는 맵을 만들었습니다. 얼굴이 잠깐 가려지거나 옆을 봐도 블러가 유지되도록 하려고요.

// 사라진 얼굴들도 일시적으로 블러 유지
ghostFaces.entries.removeAll { (faceId, rectCounter) ->
    val (ghostRect, counter) = rectCounter
    
    val isNearCurrentFace = currentFaces.any { ... }
    val newCounter = if (isNearCurrentFace) 0 else counter + 1
    
    if (newCounter > 60) {
        true  // 60프레임 후 제거
    } else {
        activeFaces.add(ghostRect to intensity)
        ghostFaces[faceId] = ghostRect to newCounter
        false
    }
}

문제는 Map.entries.removeAll이었습니다. 이 메서드는 내부적으로 매번 전체 맵을 순회하면서 조건을 체크합니다. ghostFaces 맵이 커질수록 점점 느려지는 거죠.

더 큰 문제는 제거 조건이 까다로워서 맵이 계속 커진다는 점이었습니다. 얼굴이 여러 번 나타났다 사라지면 ghostFaces에 수십 개의 항목이 쌓이고, 매 프레임마다 이걸 전부 순회하니 느려질 수밖에 없었어요.

해결책: 별도 리스트로 수집 후 제거

removeAll 대신 제거할 항목을 별도 리스트에 모은 다음, 한 번에 제거하도록 바꿨습니다.

val toRemove = mutableListOf<String>()

ghostFaces.forEach { (faceId, rectCounter) ->
    val (ghostRect, counter) = rectCounter
    
    val isNearCurrentFace = currentFaces.any { ... }
    val newCounter = if (isNearCurrentFace) 0 else counter + 1
    
    if (newCounter > 60) {
        toRemove.add(faceId)  // 제거 목록에 추가
    } else {
        activeFaces.add(ghostRect to intensity)
        ghostFaces[faceId] = ghostRect to newCounter
    }
}

// 한 번에 제거
toRemove.forEach { ghostFaces.remove(it) }

추가로 안전장치도 넣었습니다.

// 50프레임마다 맵이 너무 크면 강제 정리
if (frameProcessed % 50 == 0 && ghostFaces.size > 10) {
    ghostFaces.clear()
}

결과: 드디어 해결!

이 수정 후 블러 시간이 안정화되었습니다.

[프레임 0~30] 블러=11ms
[프레임 30~60] 블러=30ms
[프레임 60~90] 블러=52ms
[프레임 90~120] 블러=71ms
[프레임 120~150] 블러=95ms
[프레임 150~180] 블러=20ms
[프레임 180~210] 블러=37ms
이후 100ms 이하 유지.

더 이상 시간이 증가하지 않습니다. 8~100ms 사이에서 안정적으로 유지되고 있어요.

추가 최적화: 얼굴 감지

ghostFaces 문제를 해결한 김에 다른 부분도 최적화했습니다.

다운스케일 감지

1080p 영상에서 얼굴을 찾는 건 과한 감이 있습니다. 절반 크기로 줄여서 감지하고, 좌표만 2배로 늘렸어요.

// 50% 크기로 다운스케일
val detectW = (bmp.width * 0.5f).toInt()
val detectH = (bmp.height * 0.5f).toInt()
val downscaled = Bitmap.createScaledBitmap(bmp, detectW, detectH, false)

// 감지 후 좌표 스케일업
val scaledFaces = rawFaces.map { (rect, conf) ->
    Rect(rect.left * 2, rect.top * 2, rect.right * 2, rect.bottom * 2) to conf
}

결과: 얼굴 감지 속도 4배 향상

감지 간격 확대

매 3프레임마다 감지하던 걸 8프레임으로 늘렸습니다. 얼굴이 그렇게 빨리 움직이지 않으니까요.

if (frameProcessed % 8 == 0) {
    frameQueue.offer(frameProcessed to downscaled)
}

성능 모니터링

최적화 효과를 확인하려면 측정이 필요합니다. 30프레임마다 각 작업별 평균 시간을 로그로 남겼어요.

private data class PerformanceMetrics(
    var yuvConversionMs: Long = 0,
    var blurProcessingMs: Long = 0,
    var surfaceRenderMs: Long = 0,
    var encoderMs: Long = 0,
    var frameCount: Int = 0
)

// 30프레임마다 출력
Log.d("VideoPerf", "[프레임 $start~$end] YUV=${avgYuv}ms, 블러=${avgBlur}ms, 렌더=${avgRender}ms")

이 로그 덕분에 ghostFaces가 문제라는 걸 정확히 찾아낼 수 있었습니다.

최종 결과

가장 중요한 건 시간이 지나도 성능이 일정하게 유지된다는 점입니다.

배운 교훈 by 개고생

1. Map.entries.removeAll은 생각보다 느리다

2. 컬렉션 크기를 제한하라

3. 성능 로그는 필수

4. 첫 번째 용의자가 범인이 아닐 수 있다

5. 작은 최적화도 쌓이면 크다

마치며

성능 문제는 예상치 못한 곳에서 발생합니다. ghostFaces라는 작은 맵이 전체 앱을 느리게 만들 줄은 몰랐어요.

중요한 건 측정입니다. 로그를 찍고, 프로파일링하고, 데이터를 보면서 하나씩 개선해 나가면 됩니다.

이 글이 비슷한 문제를 겪는 분들께 도움이 되길 바랍니다.

게시물 안드로이드 비디오 앱이 점점 느려지는 이유: ghostFaces 맵이 범인이었다이 솜삽 블로그에 처음 등장했습니다.

“아… 오늘 뭐 입지?”

매일 아침, 우리 모두가 마주하는 심오한 철학적 질문이죠. 어제 입었던 옷을 또 입자니 왠지 찝찝하고, 새 옷을 꺼내자니 날씨에 안 맞을까 봐 걱정되고… 그렇게 옷장 앞에서 10분, 20분… 소중한 아침 시간이 흘러갑니다. 😭

혹시 이런 생각 해보셨나요? “어제 날씨랑만 비교해도 옷 입기 훨씬 편할 텐데!”

바로 그 생각, 저희가 현실로 만들었습니다!

✨ 날씨 기반 AI 패션 코디네이터, ‘어제오늘’ 앱을 소개합니다!

‘어제오늘’은 단순히 날씨만 알려주는 앱이 아닙니다. 어제와 오늘의 기온을 직관적인 그래프로 비교해주고, 가장 핫한 K-패션 트렌드를 반영한 오늘의 착장을 AI가 직접 추천해주는, 당신의 손안에 생긴 전문 스타일리스트입니다.

(앱의 멋진 스크린샷을 여기에 넣어보세요!)

‘어제오늘’ 앱의 핵심 기능 3가지!

1. 한눈에 끝! 어제 vs 오늘 기온 배틀 📈

더 이상 숫자를 보고 머리 아파하지 마세요. ‘어제오늘’ 앱은 어제와 오늘의 시간대별 기온 변화를 하나의 그래프에 깔끔하게 보여줍니다.

• “어? 오늘 아침은 어제보다 쌀쌀하네? 가디건 챙겨야지!”
• “오후엔 어제보다 훨씬 덥구나! 외투는 차에 두고 가도 되겠다.”

그래프만 쓱- 봐도 오늘 하루 기온 변화를 완벽하게 예측하고 대비할 수 있습니다.

2. 내 손안의 AI 스타일리스트 🤖

이 앱의 진짜 주인공! 바로 AI 패션 코디네이터입니다. 현재 날씨와 기온 변화에 맞춰, 가장 트렌디한 스타일을 추천해줘요.

• 힙스터를 위한 ‘캐주얼룩’: 요즘 서울에서 가장 핫한 와이드 팬츠, 오버핏 셔츠 스타일링을 만나보세요.
• 직장인을 위한 ‘비즈니스룩’: 꾸민 듯 안 꾸민 듯, 단정하면서도 세련된 출근룩을 제안합니다.
• 성별에 따른 맞춤 추천: 남성/여성별로 각각 다른 스타일을 제공하는 건 기본이죠!

이제 “패알못”도 매일 아침 인스타그램 패셔니스타가 될 수 있습니다.

3. 전 세계 어디서든, 설정은 내 마음대로 🌍

여행을 가셨나요? 출장 중이신가요? ‘어제오늘’은 전 세계 모든 도시의 날씨를 지원합니다. GPS로 현재 위치를 자동으로 잡거나, 원하는 도시를 직접 검색할 수도 있어요.

물론, 앱 내 설정에서 언어를 직접 바꾸는 것도 가능합니다. 내게 가장 편한 방식으로 앱을 사용해 보세요!

이런 분들께 강력 추천합니다!

✅ 매일 아침 ‘입을 옷이 없다’고 느끼는 분
✅ 패션에 관심은 많지만, 어떻게 입어야 할지 막막한 분
✅ 출근룩, 등교룩 고민으로 10분을 허비하는 직장인과 학생
✅ 어제와 오늘의 미세한 기온 차이까지 챙기는 섬세한 날씨 요정🧚‍♀️

이제 고민은 그만!

더 이상 날씨 앱과 패션 앱을 따로 보지 마세요. ‘어제오늘’ 앱 하나면 충분합니다.

지금 바로 다운로드하고, 매일 아침 10분의 여유와 스타일을 모두 챙기세요!

👇 지금 바로 다운로드하기 👇

기술 스택: Kotlin, Node.js, Express, OpenWeatherMap API, Room Database, Retrofit, MPAndroidChart, SQLite, Coroutines

개인정보처리방침 (Privacy Policy)

최종 수정일: 2025년 11월 27일

본 개인정보처리방침은 Yesterday-Today(이하 ‘앱’)가 사용자의 개인정보를 수집, 이용, 공유하는 방식에 대해 설명합니다. 앱을 사용함으로써 귀하는 본 방침에 동의하는 것으로 간주됩니다.

1. 수집하는 정보

저희는 앱의 핵심 기능을 제공하기 위해 다음과 같은 최소한의 정보를 수집합니다.

• 위치 정보 (위도 및 경도):
  • 수집 목적: 현재 위치의 날씨 정보와 그에 맞는 의상 추천을 제공하기 위함입니다.
  • 수집 방식:
    1. GPS 기반 현재 위치: 사용자가 명시적으로 위치 권한(ACCESS_FINE_LOCATION/ACCESS_COARSE_LOCATION)을 허용한 경우에만 기기의 GPS를 통해 현재 위치 좌표를 수집합니다.
    2. 수동 검색 위치: 사용자가 앱 내에서 직접 도시 이름을 검색할 경우, 해당 지역의 위치 정보를 수집합니다.
• 언어 및 지역 설정:
  • 수집 목적: 앱의 UI를 사용자 기기의 언어로 표시하고, 지역명을 현지 언어로 보여주기 위함입니다.
  • 수집 방식: 사용자 기기의 기본 언어 및 지역 설정을 확인하거나, 앱 내 설정에서 사용자가 직접 선택한 언어 정보를 수집합니다.
• 광고 식별자:
  • 수집 목적: 사용자에게 맞춤형 광고를 제공하기 위함입니다.
  • 수집 방식: Google AdMob SDK를 통해 광고 식별자(ADID)를 수집할 수 있습니다. 이는 기기 설정에서 재설정하거나 비활성화할 수 있습니다.
• 서비스 이용 기록:
  • 수집 목적: 서비스 안정성 확보, 오류 해결 및 성능 개선을 위함입니다.
  • 수집 방식: 앱과 서버 간의 통신 과정에서 IP 주소, User-Agent와 같은 기술적 정보가 서버 로그에 자동으로 기록될 수 있습니다.

2. 정보의 이용

수집된 정보는 오직 다음과 같은 목적으로만 사용됩니다.

• 핵심 기능 제공: 사용자의 위치에 기반한 날씨 정보 및 의상 이미지 추천
• 서비스 개선: 오류 분석 및 사용자 경험 향상을 위한 통계 분석
• 광고 제공: Google AdMob을 통한 맞춤형 광고 표시

3. 정보의 제3자 제공 및 공유

저희는 사용자의 개인정보를 판매하거나 임의로 제3자에게 제공하지 않습니다. 다만, 원활한 서비스 제공을 위해 다음과 같이 신뢰할 수 있는 외부 서비스와 정보를 공유할 수 있습니다.

• Open-Meteo & OpenWeatherMap: 날씨 정보 조회 및 위치 검색(지오코딩/역-지오코딩)을 위해 사용자의 위치 좌표와 언어 설정을 전송합니다.
• Google (Vertex AI & Places API): 의상 이미지 생성 및 도시 이름 검색 시 오타 수정을 위해 서버에서 해당 API를 호출합니다. 이때 사용자의 개인 식별 정보는 전송되지 않습니다.
• Google AdMob: 맞춤형 광고를 표시하기 위해 광고 식별자를 공유합니다.

각 서비스의 개인정보처리방침은 아래 링크에서 확인하실 수 있습니다.

• Google Privacy Policy
• Open-Meteo Privacy Policy
• OpenWeatherMap Privacy Policy

4. 데이터 보관 및 보안

• 클라이언트 (앱): 빠른 서비스 제공을 위해, 날씨 및 의상 정보는 최대 6시간 동안 사용자 기기의 내부 저장소(SharedPreferences)에 캐시(저장)됩니다. 이 데이터는 앱을 삭제하면 함께 제거됩니다.
• 서버: 서비스 성능 향상을 위해 날씨 및 의상 이미지 데이터를 서버 데이터베이스에 캐시합니다. 이 데이터는 개인을 식별할 수 없는 형태로 저장되며, 주기적으로 삭제됩니다.
• 저희는 수집된 정보를 보호하기 위해 합리적인 기술적, 관리적 조치를 취하고 있습니다.

5. 사용자의 권리 및 선택

• 위치 정보: 언제든지 기기 설정에서 앱의 위치 정보 접근 권한을 비활성화할 수 있습니다. 이 경우, 현재 위치 기반 서비스는 제한되며 수동으로 지역을 검색해야 합니다.
• 언어 설정: 앱 내 설정 메뉴를 통해 언제든지 표시 언어를 변경할 수 있습니다.
• 맞춤형 광고: 기기의 광고 설정에서 광고 ID를 재설정하거나 맞춤형 광고 수신을 거부할 수 있습니다.

6. 아동의 개인정보 보호

저희 앱은 만 13세 미만의 어린이를 대상으로 하지 않으며, 의도적으로 해당 연령의 사용자로부터 개인정보를 수집하지 않습니다. 만약 만 13세 미만 아동의 개인정보가 수집된 사실을 인지하게 될 경우, 즉시 해당 정보를 삭제할 것입니다.

7. 개인정보처리방침의 변경

본 방침은 법령이나 서비스의 변경사항을 반영하기 위해 개정될 수 있습니다. 방침이 변경될 경우, 스토어 등록정보 페이지를 통해 공지하겠습니다.

8. 문의처

본 개인정보처리방침에 대해 궁금한 점이 있으시면 아래 이메일로 문의해 주시기 바랍니다.

• 이메일: rome777@gmail.com

게시물 어제오늘날씨 – 어제와 오늘 날씨를 비교하는 앱 만들기이 솜삽 블로그에 처음 등장했습니다.