시니어 컴퓨터비전 AI 개발자(Computer Vision AI Engineer)

주요업무

Human-centered Vision 연구 방향 수립 얼굴, 입술, 시선, 자세 등 사람 중심 영상 데이터 기반 vision 모델 연구 방향 수립과 개발 입술 움직임 기반 생체 인증과 HCI 분야 활용을 위한 모델링 전략 제안 facial landmark, mouth RoI, face alignment, pose estimation 등 관련 기술의 적용 가능성 검토와 제안 연구경험을 바탕으로 테라마임의 과제에 적합한 해결 접근방식 제안 Video / Temporal Representation Modeling lip motion, facial dynamics, pose(gesture) 등 시간축 변화가 중요한 영상 해석 모델의 구조 설계 2D CNN, 3D CNN, Transformer, Temporal CNN, RNN/LSTM 등 다양한 영상·시계열 모델 비 교 실험 및 적용 frame-level feature, temporal feature, landmark sequence 를 활용한 representation learning 설계 데이터 및 학습 파이프라인 구축 영상 데이터 전처리, annotation 구조화, 학습 데이터셋 구성, 평가 프로토콜 설계 실제 배포환경에서도 연구 결과가 유지될 수 있도록 강건한 검증 전략 수립 실험 재현성, 성능 비교 기준 및 failure case 분석 체계 수립 AI 애플리케이션 제품화 및 배포 리딩 연구 모델을 데모 애플리케이션, API, SDK 등 제품 구조로 연결 실시간 추론, 지연시간(latency), 안정성, 경량화 등 배포환경을 고려한 모델 구조 검토 서버, 엣지, 온디바이스 환경에서의 최적화 방향 제시 연구 코드 모듈화, 실험 자동화, 배포 가능한 구조로의 전환 리딩

자격요건

Computer Vision 또는 Deep Learning 관련 실무·연구 경험 PyTorch 기반 모델 학습, 실험 관리, 성능 개선 경험 이미지·영상 기반 딥러닝 모델을 직접 설계, 학습, 평가를 통해 개선한 경험 Transformer, 3D CNN, sequential modeling, representation learning 중 하나 이상에 대한 깊은 이해 얼굴 검출, landmark, pose estimation, segmentation, object detection 중 하나 이상의 vision task에 대한 실무 경험 연구 논문 또는 공개 모델을 이해하고 실제 문제에 맞춰 구현·응용한 경험 AI 모델을 제품환경에 적용하고 배포한 경험

우대사항

선형대수, 기하학, 확률통계 등 컴퓨터비전과 딥러닝에 필요한 수학적 개념에 자신이 있는 분 카메라 좌표계, perspective transform, camera calibration 등 camera geometry와 camera system에 대한 기본적 이해가 있는 분 물리학적 사고를 바탕으로 카메라와의 거리, 위치, 사람의 움직임, 조명 변화 등 실제 환경 문제를 모델 설계에 반영할 수 있는 분 3D face reconstruction, 3D depth estimation, multi-view vision task 등 3차원 비전 분야에 연 구 또는 프로젝트 경험이 있는 분 lip reading, Visual Speech Recognition, visual speaker verification 등 영상기반 시계열 문제 에 관심이 있는 분 metric learning, contrastive learning, self-supervised learning 등 표현학습 기반 모델 연구 및 개발 경험이 있는 분 얼굴 영상, 입술 움직임, 음성, 텍스트, 시선, pose 등 사람의 다양한 신호를 결합하는 multimodal learning 연구 또는 프로젝트 경험이 있는 분 논문, 특허, 연구과제, AI경진대회 등을 통해 스스로 문제를 정의하고 해결해본 경험이 있는 분

기술스택

C, C++, Python, Pytorch, Tensorflow, Linux, CUDA, Computer Vision, Transformer, Deep Learning, CNN

채용절차

(1) 서류 전형 (2) 기술 면접 및 임원 면접 (3) 최종 합격 기술면접에서는 지원자의 경력 수준에 따라 다음과 같은 내용을 확인합니다. 본인이 깊게 수행한 컴퓨터 비전 또는 딥러닝 연구·개발 경험 이미지, 영상 데이터처리 및 모델 학습 과정에 대한 전문적인 이해 문제를 정의하고 모델 구조, 학습전략, 평가방법을 설계했던 경험 실제 환경에서 발생하는 데이터 품질, 사용자 차이에 따른 일반화 문제를 다뤄본 경험 주니어 개발자와 협업하거나 기술 방향을 제시했던 경험