카이론 vs 레파

카이론 장단점

• 문제를 다 풀고 나서 정답을 확인하는 방식이 아니라 작성하는 순간마다 올바른 방향으로 가고 있는지 알 수 있어 즉각적인 수정이 가능합니다.
• 손글씨 인식 기술이 적용되어 자연스러운 필기 환경을 제공하며 마치 선생님이 옆에서 지도해주는 듯한 학습 경험을 제공합니다.
• LLM이 아닌 순수 심볼릭 엔진을 사용해 결과의 신뢰성이 높습니다.

• iPad 전용 앱이라 안드로이드 태블릿이나 데스크톱 사용자는 이용할 수 없습니다.
• 기하학·통계 등 일부 영역은 아직 미지원입니다.
• 한국 교육과정과의 연계성은 별도 확인이 필요합니다.

레파 장단점

• 가장 큰 장점은 의상의 세밀한 질감, 복잡한 로고, 자수와 같은 디테일을 뭉개짐 없이 고해상도로 보존한다는 점입니다. 복잡한 자세에서도 옷감의 드레이프(주름)를 물리적으로 자연스럽게 표현하며, Hugging Face 등을 통해 오픈소스로 공개되어 있어 접근성이 높고 고성능 GPU(A100 기준) 사용 시 약 6초 내외의 빠른 생성 속도를 보여줍니다.

• 로컬 환경에서 직접 구동하려 할 경우 최소 7GB에서 최대 21GB에 달하는 모델 용량과 높은 VRAM 사양을 요구하여 일반 사용자에게는 진입장벽이 있습니다. 또한 생성 품질이 원본 사진의 화질과 마스킹(배경 분리) 정확도에 크게 의존하며, 매우 복잡한 겹쳐입기나 특이 체형의 경우 미세한 이미지 왜곡이 여전히 발생할 수 있습니다.

카이론 주요 기능

• 심볼릭 로직 기반 실시간 수식 정답 여부 검증
• Apple Pencil 손글씨 인식 및 자연스러운 필기 인터페이스
• 단계별 힌트 제공 튜토리얼(Nudge & Guide) 모드
• 대수·삼각함수·미적분·로그·좌표 영역 지원
• 스크라이브 전용 모드(음성 없이 쓰기만)
• LLM이 아닌 순수 심볼릭 엔진 기반으로 결과 신뢰성 보장

레파 주요 기능

• Flow Field Attention 기반 의류 왜곡 방지
• 고해상도 가상 피팅(VTON) — 로고·자수·질감 보존
• 다양한 포즈에서의 자연스러운 옷감 드레이프 표현
• 포즈 변환(Pose Transfer) 통합 프레임워크
• float16 기본 설정으로 A100 GPU 약 6초 추론
• RefUnet 가속으로 예측 속도 30% 향상