🧠 brain · 게시 전 뇌반응 점검 · 예측을 공개로 채점받는 도구

게시 전에, 시선이 어디서 뚝 떨어지는지 미리 봅니다

영상 프레임을 픽셀로 계산해 시선이 빠지는 지점을 게시 전에 짚습니다. 지난 점검 하나를 미리 보면 ↓
다른 뇌기반 예측 도구는 ‘fMRI로 학습했으니 믿으라’고 합니다. brain은 반대로 — 예측을 미리 기록해 두고 게시 후 실제 시청 곡선으로 공개 채점받습니다.

눈이 화면에 얼마나 쏠리나 ↑ 선이 높을수록 눈이 잘 붙습니다

-36% ↓ 여기서 시선이 빠집니다

이 영상은 9~10초에서 눈이 붙는 힘이 3분의 1 넘게 빠집니다 — 뒤로 갈수록 시선을 못 잡아요. 이게 게시 전에 보이면, 그 컷부터 손봅니다.

숫자로는 0.094→0.060 (-36%) (프레임을 픽셀로 계산한 상대값이에요. 실제 시청·뇌 측정이 아니라, 게시 전에 미리 짚어 주는 값입니다.)

곡선 눈이 쏠리는 정도 — 높을수록 잘 붙음 A~F 구간 등급 — A 잘 붙음 → F 약함 F는 낙제 아님 도구가 읽은 값 (영상 점수 아님)

빠지는 컷부터 손보기 →

이 도구가 실제로 뱉는 것 ↓ 2026-07-06 실행분 (기본 해상도)에서 계산된 값

지난 점검이 짚은 가장 큰 문제

모바일 숏폼 환경에 맞춰 시각 자료를 극도로 단순화하고, 핵심 메시지를 크고 읽기 쉬운 텍스트와 직관적인 그래픽으로 재구성해야 합니다.

9~10초 부근에서 눈이 붙는 힘이 3분의 1 넘게 빠져요.

숫자로는 0.094→0.060 (-36%) — 프레임을 픽셀로 계산한 상대값(실제 시청·뇌 측정 아님, 원인 단정 아님).

한 번의 점검은 이렇게 돕니다 ↓

두 관점은 한 모델의 여러 인격이 아니라 서로 다른 회사 AI입니다 — 엇갈리면 “둘 다 틀릴 수 있다”는 신호지 정답이 아니에요. 판정은 게시 후 실제 시청 데이터로.

각 등급은 도구가 이 영상을 읽은 값이에요 — 영상 성적표가 아니라, 나중에 리텐션으로 검증될 도구의 예측입니다. A(가장 잘 잡힘) → F(가장 약함).