Claude Code로 Moebius 0.2B 이미지 인페인팅을 브라우저에서 포팅하기

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

Moebius 0.2B를 클라이언트 브라우저에서 구동하기 위한 포팅 experiment를 다룬다. 온닉스(ONNX)로 PyTorch 모델을 내보내고 WebGPU 기반 ONNX Runtime Web에서 실행하는 흐름을 Claude Code를 활용해 탐색했다. 가중치 약 1.3GB 규모의 모델 파일은 CacheStorage API를 활용한 캐시로 재다운로드를 줄이고, Chrome/Firefox/Safari에서 동작 가능한 수준으로 검증됐다. 이 포팅은 브라우저 기반 ML 데모의 가능성을 보여주지만 대역폭, 캐시 전략, 모델 가용성 같은 현실적 제약도 수반한다.

섹션별 상세

Moebius 0.2B를 브라우저에서 실행하기 위한 포팅 목표를 설정하고 PyTorch에서 ONNX로의 내보내기 및 WebGPU를 활용한 클라이언트-사이드 실행으로 전환하는 흐름을 구체화했다. 이 과정에서 ONNX로의 내보기, WebGPU/ONNX Runtime Web의 실행 경로, 프런트엔드 배포의 제약을 확인했다.

근거

Chrome, Firefox, Safari를 포함한 주요 브라우저에서 이런 브라우저 기반 실행이 가능하다고 확인됐다 — 본문의 브라우저 호환성 언급
ONNX Runtime Web과 WebGPU를 조합해 PyTorch 모델을 클라이언트에서 실행하는 경로를 모듈화해 포팅의 실현 가능성을 확인했다 — Claude Code의 포팅 계획 및 ONNX Runtime Web 사용 언급
가중치 약 1.3GB 규모의 모델 파일은 CacheStorage API를 활용한 캐시로 브라우저에서의 재다운로드를 크게 감소시키는 것이 가능하다 — "CacheStorage API works with ~1.3GB model files"

Claude Code를 활용한 에이전트 기반 연구 흐름으로 포팅 프로젝트를 추진하며 Regular Claude 대화, 저장소 관리, 연구 노트 작성, 계획 업데이트를 반복하며 협업적 탐색의 방향을 잡았다. 에이전트가 문제를 ' muse on X' 형태로 고민하도록 지시하고, 코드 저장소를 초기화하고 커밋 로그를 남기는 방식으로 진행했다.

가중치 약 1.3GB 규모의 모델 파일은 CacheStorage API를 통해 브라우저 캐싱이 가능했고, Hugging Face에 가중치를 배포하며 GitHub Pages를 통해 프런트엔드 데모를 호스팅했다. Chrome/Firefox/Safari에서의 실행 가능성을 확인했고, 이는 클라이언트 사이드 ML 데모의 실현 가능성을 보여주지만 네트워크 대역폭과 캐시 전략의 제약도 시사한다.

용어 해설

WebGPU: — 웹 브라우저에서 GPU 가속을 이용한 머신러닝/그래픽 처리를 가능하게 하는 API로, 브라우저 내에서 저수준 그래픽 처리와 고성능 계산을 수행한다
ONNX Runtime Web: — ONNX 포맷의 신경망 그래프를 브라우저에서 실행하기 위한 런타임으로 WebAssembly/WebGL/WebGPU를 지원한다
Transformers.js: — Transformers 라이브러리의 자바스크립트 포트로, 브라우저에서 여러 모델의 추론을 가능하게 한다
Hugging Face Spaces: — Hugging Face가 제공하는 웹 기반 모델 데모 플랫폼으로, 프런트엔드 데모를 빠르게 배포하는 데 사용된다
CacheStorage API: — 서비스 워커 캐시를 다루는 API로 대용량 리소스의 오프라인 저장 및 재활용을 가능하게 한다