README.md

---
license: mit
---

## Meshy 텍스처링 분류 모델

### 📌 모델 설명
이 모델은 **3D 모델 썸네일 이미지**를 입력으로 받아, 이미지가 **텍스처링 되어 있는지 아닌지**를 분류합니다.

- **태스크**: 이진 이미지 분류 (Textured vs. Not Textured)
- **클래스**:
  - `0`: 텍스처링 안됨
  - `1`: 텍스처링 됨
- **모델 구조**: ResNet18 (ImageNet 사전학습 사용)
- **입력 이미지 크기**: 224 × 224 RGB 이미지
- **출력**: 2개의 클래스에 대한 로짓값 (소프트맥스 전)

---

### 📂 학습 데이터
- **CSV 파일**: `meshy_textured_gold.csv`
- **이미지 출처**: Meshy AI에서 생성된 3D 썸네일 이미지
- **라벨링 방법**: 사람이 직접 텍스처링 여부를 보고 수작업으로 라벨 부여
- **샘플 수**: 약 500장 (텍스처링 / 비텍스처링 클래스 균형 있음)

---

### 🔍 평가 정보
- **평가지표**: 정확도(Accuracy) 기준 약 90% 이상
- **손실 함수**: CrossEntropyLoss
- **최적화 알고리즘**: Adam (lr=1e-4)

> 검증 데이터셋에서도 안정적인 성능을 보였으며, 라벨과 예측 결과를 이미지로 시각화하여 성능을 추가 확인했습니다.

---

### 🧪 사용법

```python
from torchvision import transforms, models
from PIL import Image
import torch

# 모델 로드
model = models.resnet18()
model.fc = torch.nn.Linear(model.fc.in_features, 2)
model.load_state_dict(torch.load("pytorch_model.bin", map_location="cpu"))
model.eval()

# 전처리 정의
transform = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize([0.485, 0.456, 0.406],
                         [0.229, 0.224, 0.225])
])

# 예측
img = Image.open("example.jpg").convert("RGB")
x = transform(img).unsqueeze(0)
with torch.no_grad():
    logits = model(x)
    pred = logits.argmax(dim=1).item()
    print("텍스처링 됨" if pred == 1 else "텍스처링 안됨")
```

---

### 🎯 사용 목적
- 썸네일 이미지가 텍스처링된 것인지 자동으로 구분
- 대규모 데이터셋 선별, 품질 관리, 라벨링 시간 단축 등에 활용 가능

---

### 🏷️ 태그
`이미지 분류`, `이진 분류`, `3D 썸네일`, `텍스처링 판별`, `ResNet`, `Meshy`