AI 엔지니어 (Computer Vision · TIPS 연구개발)

ZET 소개

ZET는 퍼포먼스 마케팅 광고 소재를 기획하고 제작하는 AI Agent입니다. 상품 정보를 바탕으로 광고 문구와 이미지를 만들고, 마케터가 더 다양한 광고를 테스트하도록 돕습니다.

함께 풀 문제

AI가 만든 광고는 글자·제품 사진·배경이 합쳐진 한 장의 이미지입니다. 원하는 부분만 빠르게 고치려면 각 요소를 분리하고, 가려진 배경과 경계를 복원해야 합니다.

ZET는 이 이미지를 수정 가능한 HTML로 바꾸는 기술을 TIPS 과제로 연구합니다. 마우스로 글자와 사진을 수정하고, 여러 플랫폼의 광고 크기와 비율에 맞게 바꾸는 것이 목표입니다.

1년차 연구 기반을 이어받습니다

핵심 기술 스펙과 큰 연구 흐름이 잡혀 있으며, 기본 파이프라인·기준 모델·데이터셋·평가 세트가 마련돼 있습니다. 합류 후 기존 연구를 재현하고, 성능과 적용 범위를 개선합니다. 기술 스펙과 모델 조합은 실험 결과에 따라 함께 바꿔갑니다.

맡게 될 업무

1. Object Detection, Segmentation/Masking, Matting, Inpainting, OCR을 연결한 이미지 분리·복원 파이프라인 연구 및 개선
2. 같은 데이터·평가 조건에서 기준 연구 세트의 성능 점수와 실제 변환 이미지 품질 개선
3. 작은 글자, 얇은 경계, 겹친 요소, 복잡한 배경 등 Edge case의 오류 원인 분석과 해결
4. 다양한 광고 디자인·크기·비율로 변환 범위를 넓히고, CTO·디자이너와 편집 제품에 연결

기존 연구를 이해하고, 실험을 직접 설계·구현해 개선 근거를 설명할 수 있는 분을 찾습니다.

1. Segmentation/Masking, Matting, Inpainting·이미지 복원 중 한 분야 이상에서 직접 연구하고 품질을 개선한 경험
2. Python·PyTorch로 학습·추론 코드를 수정하고, 필요한 전처리·파인튜닝·후처리를 구현하는 역량
3. OpenCV·NumPy로 이미지·좌표·마스크·알파·색공간을 다뤄본 경험
4. 논문·오픈소스를 이해해 적용하고, Git·Linux·GPU 환경에서 기존 연구를 재현하는 역량
5. 데이터·평가 조건을 맞춰 비교하고, 오류 원인과 개선 결과를 수치·이미지로 설명하는 역량

1. OCR·Text Segmentation, VLM, Diffusion·LoRA 관련 연구 경험
2. 이미지 레이어를 HTML·CSS·SVG·Canvas 편집에 연결한 경험
3. 모델의 추론 속도·메모리 사용량이나 서비스 적용을 개선한 경험

서류 > 면접 > 결과 발표

지원 자료

이력서와 함께 직접 개선한 연구 하나를 소개해주세요. 문제, 본인의 기여, 비교한 방법, 평가 기준과 결과를 살펴봅니다. 실무·연구실·개인 연구 경험 모두 가능합니다. 공개 가능한 코드나 포트폴리오가 있다면 함께 첨부해 주시면 감사하겠습니다! :)