1. CLIP 예상 병목 지점 식별

단계	설명	병목 원인	영향
① 입력 이미지 로딩	서버로부터 전달받은 URL로 이미지 로딩	- 네트워크 지연- 외부 서버 상태 의존- 동시 요청 시 연결 대기 발생	이미지 처리 전체 파이프라인 지연의 시작점처리 속도 변동성 발생
② 이미지 전처리	CLIP 모델 추론에 활용하기 위해 이미지 리사이즈 및 정규화	- PIL or torchvision 변환 속도 제한- 배치 크기 증가 시 일시적 메모리 사용량 증가	연속 추론 시 버퍼링 지연RAM 점유율 일시 상승 가능
③ CLIP 모델 이미지 임베딩	CLIP 모델을 활용해 이미지 → 벡터 임베딩	- PyTorch 모델 실행의 CPU 병렬 연산- torch.set_num_threads() 설정 누락 시 CPU 과점유	멀티 태스크 동시 수행 시 CPU 자원 경합일시적인 처리 시간 증가
④ 중복 사진 필터링	이미지 임베딩 간 코사인 유사도 분석 및 그룹화	- cosine_similarity의 전체 임베딩 비교 (N x N 연산)- DBSCAN 클러스터링의 거리 계산 부하	이미지 수 증가 시 계산량 급증처리 시간 선형 이상으로 증가 가능
⑤ 저품질 사진 필터링	CLIP IQA 프롬프트와 유사도 비교	- 텍스트 프롬프트 수가 많을 경우 cosine_similarity 연산량 증가- numpy 변환/복사 오버헤드	기준 프롬프트 수에 비례하여 성능 저하텍스트 임베딩 고정시 캐싱 필요
⑥ 카테고리 분류	이미지 클러스터링 후 카테고리 텍스트 임베딩과 유사도 비교	- KNN 기반 군집화 시 이웃 계산 부하- 대표 벡터 평균 계산 시 메모리 복사	유사도 기반 분류 정확도는 높지만 처리 시간 증가배치 수 증가 시 확연히 느려짐
⑦ 하이라이트 스코어링	Linear Probing 방식으로 이미지마다 하이라이트 스코어링	- 선형 회귀 자체는 경량이나, 예측 대상 수가 많을 경우 batch 처리 필요- 미처리된 경우 torch → numpy 변환 비용 발생	대량 이미지 입력 시 예측 병렬화 필요전처리 단계보다 가볍지만 누적 부하 가능

[ 요약 ]

• 핵심 병목 지점은 일반적으로 ③ 이미지 임베딩, ④ 중복 필터링, ⑥ 카테고리 분류에서 발생할 가능성이 높음
• 특히 DBSCAN, cosine_similarity (NxN), 군집 기반 평균 연산은 입력 수 증가에 따라 처리 시간이 선형 이상으로 늘어나는 연산이라 최적화 우선 대상
• 반대로 Linear Probing, IQA는 상대적으로 고정된 연산이기 때문에 확장이 쉬움

---

2. 예상 병목 지점 식별

단계	설명	병목 원인	영향
① GCS 이미지 다운로드	GCS URL 이용	순차적 HTTP 요청, 네트워크 지연	이미지 수 증가 시 전체 대기 시간 급증
② 얼굴 인식 (HOG)	이미지당 얼굴 탐지	CPU 단일 연산, 반복 호출	이미지 해상도 및 얼굴 수에 따라 지연
③ 임베딩 추출	얼굴 → 128D 벡터	Numpy 기반 연산 부하	탐지된 얼굴 수에 비례하여 증가
④ 거리 계산 (cosine)	N x N pairwise 계산	O(n²) 복잡도, 메모리 부담	사진 장수 증가 시 처리 시간 급증
⑤ DBSCAN 클러스터링	거리 기반 그룹화	연산량 + 메모리 사용 ↑	하이퍼파라미터 설정에 민감
⑥ GCS 업로드	결과 이미지 저장 및 업로드	순차적 HTTP PUT 요청	이미지 수만큼 반복 요청, 대기 발생

---

3. stable diffusion 병목 요소 식별

단계	설명	병목 원인	영향
① 입력 이미지 로딩 및 base64 변환	GCS → 이미지 로컬 로딩 → base64 인코딩	- 고해상도 이미지 I/O- CPU 연산 기반 인코딩	초기 요청 준비 시간 증가
② Gemini 프롬프트 생성	텍스트 프롬프트 생성 (Gemini API 호출)	API 응답 지연 (네트워크/API 지연)	전체 처리 시간에 비례 영향
③ Stable Diffusion 서버 요청 (POST)	GPU 서버로 스타일 변환 요청	네트워크 RTT + JSON payload 전송 시간	T4 서버 외부 요청 시 병목 발생 가능
④ Stable Diffusion 연산 (실제 생성)	GPU에서 이미지 변환	모델 크기, ControlNet 모듈 수, 해상도	전체 시간의 대부분
⑤ base64 응답 디코딩 및 저장	응답 이미지 base64 → 디코딩, 저장, GCS 업로드	CPU 연산 + I/O 지연	마지막 단계 지연 가능