Vision AI Engineer (Image Decomposition & Editing)
스킬
주요업무
ZET 소개
ZET는 모든 기업이 채용할 AI 마케터를 만듭니다.
ZET는 마케터가 디자이너 없이 혼자 광고를 만들고 실험하는 마케팅 AI Agent입니다. 고객이 매일 쓰는 서비스예요.
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
- 광고 이미지 한 장을 글자·제품·배경 등 요소별로 분해해, 고칠 수 있는 HTML로 바꾸는 모델과 파이프라인을 개선합니다.
- 자체 광고 이미지 데이터셋을 기반으로 AI 모델을 학습·평가하고, 정량적 성능 평가와 오류 사례 분석으로 실제 서비스에서 쓸 수 있는 품질을 확보합니다.
- Segmentation·Matting·Inpainting·OCR 등 기존 Vision AI 모델을 파인튜닝하고, 필요하면 이미지 처리 알고리즘을 직접 설계합니다.
- 작은 텍스트, 얇은 테두리, 복잡한 배경 등에서 발생하는 이미지 왜곡과 품질 저하 문제를 분석하고 해결합니다.
- 원본 광고 소재의 핵심 요소와 시각적 완성도를 유지하면서, 다양한 광고 매체와 구좌별 크기·비율에 대응할 수 있도록 고도화합니다.
ZET가 일하는 방식
실제 고객 데이터로 연구하고, 고객에게 확인받습니다
고객사가 실제로 집행하는 광고가 연구 데이터입니다. 결과는 고객이 쓰는 편집 제품에 들어가고, 잘됐는지는 고객의 피드백으로 확인합니다. 기준은 벤치마크 점수가 아니라 실제 광고에서 작동하는지입니다.
목표는 분명하게, 방법은 자유롭게
무엇을 풀지와 평가 기준은 대표가 정하고, 어떻게 풀지는 엔지니어가 정합니다. 목표 성과에 닿는다면 기존 파이프라인을 바꾸는 것도 장려합니다. 실제로 글자를 잘라 옮기던 방식이 한계에 부딪혔을 때, 글자를 새로 렌더링하는 방식으로 바꿨습니다.
실험 자원을 충분히 지원합니다
연구 재원이 확보돼 있습니다. 실험에 필요한 GPU와 예산을 충분히 지원합니다.
자격요건
정해진 답이 없는 현실 문제를 먼저 붙잡고, 실제로 작동할 때까지 풀어 가는 분을 찾습니다.
- 정해진 해법이 없는 문제를 직접 쪼개 접근을 정하고, 실제 서비스나 실사용 데이터에서 작동하는 결과까지 만들어 본 경험
- Segmentation/Masking, Matting, Inpainting·이미지 복원 중 한 분야 이상에서 직접 연구하고 품질을 개선한 경험
- Python·PyTorch로 학습·추론 코드를 수정하고, 필요한 전처리·파인튜닝·후처리를 구현하는 역량
- OpenCV·NumPy로 이미지·좌표·마스크·알파·색공간을 다뤄본 경험
- 논문·오픈소스를 이해해 적용하고, Git·Linux·GPU 환경에서 기존 연구를 재현하는 역량
- 데이터·평가 조건을 맞춰 비교하고, 오류 원인과 개선 결과를 수치·이미지로 설명하는 역량
ZET가 찾는 동료
정답을 기다리기보다 문제를 먼저 붙잡는 동료를 찾습니다. 스스로 쪼개고 실험하고, 고객의 반응으로 확인하며 방법을 바꿔 갑니다.
Self-Motivated
기존 연구를 이해하고, 필요한 실험을 스스로 설계하고 구현할 수 있는 분을 찾습니다. 모르는 것을 배우며 문제를 끝까지 살펴보는 태도를 중요하게 봅니다.
Market-oriented
기술의 개선이 실제 사용자의 경험으로 이어지는지 살펴봅니다. 마케터의 문제와 제품의 쓰임을 함께 고민할 수 있는 분과 일하고 싶습니다.
Open-minded
새로운 결과가 나오면 기존 가정을 다시 확인합니다. 특정 모델에 머무르지 않고, 실험의 근거에 따라 기술 조합을 바꿀 수 있는 분을 찾습니다.
Resilient
작은 글자나 복잡한 배경처럼 잘 풀리지 않는 실패 사례를 분석합니다. 데이터·모델·후처리 중 원인을 나누어 보고 개선해 나갈 수 있는 분을 찾습니다.
우대사항
- OCR·Text Segmentation, VLM, Diffusion·LoRA 관련 연구 경험
- 이미지 레이어를 HTML·CSS·SVG·Canvas 편집에 연결한 경험
- 모델의 추론 속도·메모리 사용량이나 서비스 적용을 개선한 경험
채용절차
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! :)
함께하는 고객사
무신사, GC녹십자웰빙, 브레이브컴퍼니, 아이브코리아, 자리톡, 마미케어, 웨이크버니, 르본, 그로빗, 에이베러, 올리브인터내셔널, AMPM 등
자세한 내용 및 지원: https://www.thezet.io/careers