시니어 컴퓨터비전 AI 개발자(Computer Vision AI Engineer)

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

• 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

• 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

(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