[리빌더AI] AI Engneer

2D 입력(이미지/스케치/문서)으로부터 고품질 3D 자산을 생성·복원하고, 생성형 AI와 비전인식, 최적화 기법을 활용해 디자인→제조로 이어지는 end-to-end 파이프라인을 구현합니다.

다음 중 하나에 대한 리서치 업무를 담당하여 수행합니다.

1. 딥러닝 모델 설계·학습·평가 및 프로덕션 적용
2. 비전 인식을 위한 AI 모델 연구개발
3. 2D/3D 생성형 AI 연구개발
4. 3D 데이터 전처리(메시/포인트/카메라), 멀티뷰 일관성/재구성 파이프라인 개발
5. 연구 결과의 코드화(모듈/테스트/문서화) 및 내부/외부 벤치마크 운영

1. 학력: 대졸 이상
2. 컴퓨터과학 전공(또는 동등 역량)
3. 자료구조, 알고리즘, 운영체제에 대한 기본기(학부/대학원 수강 또는 동등 지식)
4. Python, PyTorch로 연구/개발을 원활히 수행 가능한 분
5. macOS 또는 Ubuntu 환경에서 개발 경험(셸/패키지/빌드에 익숙)
6. 논문 아이디어를 실제 코드/실험으로 재현하고 성능을 개선해본 경험

기술 스택

1. DL: Python, PyTorch, PyTorch3D, NumPy, Numba
2. 3D/Graphics: Open3D, trimesh, blender (우대) diffusers, nvdiffrast, Kaolin
3. 시스템: Ubuntu/macOS, CUDA, TensorRT, Git, Docker

1. 생성형 AI: Diffusion 이해 및 2D/3D 생성(예: SDXL, Trellis3D 등) 연구·구현 경험
2. 3D 도메인 전문성: 3D Mesh, NURBS, CAD/곡면 모델링 이해 및 처리 경험
3. Epipolar geometry에 대한 이해: 3D Vision / Multi-View Geometry(카메라 모델, 포즈 추정, MVS/NeRF 등) 지식 및 유관 경험
4. 미분가능 3D 최적화: PyTorch3D 등으로 렌더러/지오메트리의 gradient-based 최적화 구현
5. 성능 최적화: CUDA 커널(pycuda 포함) 작성 또는 TensorRT 등으로 추론 최적화 경험
6. 대규모 3D 데이터 파이프라인, 분산 학습, 실서비스 모델 서빙 경험

• 서류전형 ＞ 직무 인터뷰(실무진) ＞ 컬쳐핏 인터뷰(경영진) ＞ 처우협의 ＞ 최종합격

1. 포트폴리오 제출 필수, 제출 포트폴리오는 제품, 서비스, 프로젝트별 본인의 문제 해결 과정이 아래 흐름 중 하나에 따라 명확하게 정리되어야 합니다.
2. 유형 1: 문제 정의 → 가설 수립 → 실행 및 검증 → 결과
3. 유형 2: 문제 정의 → 해결 방안 도출 → 이해관계자와의 협업 → 최종 결과