AI Research Engineer (Video Vision)

Background

당사의 고객사는 국내 대기업, 국책 연구기관과 컨소시엄을 구성해 정부 주관 대규모 R&D 국책과제에 선정된 몰입형 미디어 테크 기업입니다. 아시아 최초 수준의 8K급 초대형 LED 몰입형 콘텐츠 공간과, 기존 영화·영상을 이 공간 규격으로 확장 변환하는 자체 AI 영상 엔진을 함께 개발하고 있습니다. 이 엔진이 목표로 하는 것은 기존 CG/VFX 방식 대비 제작비 60% 이상 절감, 제작 기간 대폭 단축입니다. 몰입형 체험 시장이 연평균 20%대로 성장하는 가운데, 국내 첫 공간 구축을 시작으로 향후 10년 내 아시아 주요 도시와 글로벌 시장으로 확장하는 로드맵을 가지고 있습니다.

이 회사의 AI개발팀은 최신 논문과 모델을 빠르게 적용하는 것보다, 실제로 문제를 해결하는지 끝까지 검증하는 연구를 중시합니다. 왜 필요한지, 기존 방식보다 실제로 나은지, 어떻게 측정할지, 보유한 GPU 환경에서 실행 가능한지, 실제 서비스에 적용할 수 있는지까지 묻는 팀입니다.

이번에 모시는 Video / Vision AI Research Engineer는 이 AI 영상 처리 플랫폼의 핵심 연구를 이끄는 포지션입니다. Video Generation, Outpainting / Inpainting, 고해상도 영상 처리, Temporal Consistency 등 영화 길이의 장시간 영상을 AI로 처리하는 난제를 직접 정의하고 해결합니다. 연구 결과는 논문이나 Prototype에서 끝나지 않고, SOTA 탐색, 재현, Dataset 구축, 학습 및 Fine-tuning, Evaluation, 최적화, Checkpoint 관리를 거쳐 실제 Production까지 이어집니다. 연구가 곧바로 상용 서비스가 되는 경험, 그리고 사업 확장과 함께 연구 조직의 기술 방향을 만들어 갈 기회를 제공합니다.

Key Responsibilities

• Video Generation / Video Processing 분야의 최신 논문, 모델, 오픈소스 조사 및 기술 검증
• Video Outpainting / Inpainting 모델 연구 및 고도화
• 장시간 영상에서의 Temporal Consistency 및 Scene Consistency 개선
• 인물 및 객체의 Identity / Object Consistency 유지 기술 연구
• 원본 영상의 분위기와 표현을 유지하기 위한 Style Consistency 연구
• 돔 및 초광각 콘텐츠 생성을 위한 영상 확장·변환 기술 연구
• 고해상도 영상 Processing 및 12K/16K급 처리 Pipeline 연구와 최적화
• AI 모델의 논문 및 Open Source 구현 재현
• Dataset 수집, 전처리, 정제 및 Training Data Pipeline 구축
• Training / Fine-tuning / Inference Pipeline 구축
• 모델 성능 평가를 위한 Benchmark 및 Evaluation Metric 설계
• GPU Memory, Throughput, Latency 등 모델 성능 Profiling 및 최적화
• Model / Dataset / Experiment / Checkpoint 관리 체계 구축

Key Qualifications

• Computer Science, AI, Machine Learning, Computer Vision 등 관련 분야 석사 이상 학위 보유
• PyTorch 기반 Deep Learning 모델 구현 및 학습 경험
• Computer Vision 또는 Generative AI 분야의 연구·개발 경험
• 최신 AI 논문을 이해하고 핵심 아이디어를 코드로 재현할 수 있는 역량
• 공개 모델이나 논문 구현체를 분석해 자신의 문제에 맞게 수정하고 실험할 수 있는 역량
• Dataset 구성부터 학습, 추론, 평가까지 전체 ML Experiment Cycle을 직접 수행한 경험
• 가설과 Evaluation 기준을 정의하고 실험 결과를 정량적으로 비교, 분석할 수 있는 역량
• GPU 기반 Training / Inference 환경에 대한 이해
• 연구 결과를 재현 가능한 코드, 실험 기록, 기술문서로 남기는 습관
• 연구 Prototype을 실제 제품에 적용하는 과정에 관심과 열정을 가진 분
• 새로운 모델 도입 전, 기존 방법 대비 실제 개선 여부를 측정하는 태도와 VRAM, Processing Time, Throughput 같은 현실적 제약을 함께 고려하는 시각
• 실패한 실험도 원인과 결과를 기록해 팀의 자산으로 만들고, 개발자와 협업해 연구를 서비스로 연결하는 것을 즐기는 분
• AI 도구를 적극 활용하되 결과를 그대로 신뢰하지 않고 스스로 검증하며 책임지는 분
• (우대) Video Generation / Video Diffusion / Diffusion Transformer 계열 모델 연구 경험
• (우대) Video Outpainting / Inpainting 연구 또는 프로젝트 경험
• (우대) Temporal Consistency / Character · Object Consistency 관련 연구 경험
• (우대) Image / Video Super Resolution 연구 경험
• (우대) VLM / Multimodal Model 활용 경험
• (우대) Multi-GPU / Distributed Training 경험
• (우대) 장시간 또는 고해상도 영상의 Training / Inference 최적화 경험
• (우대) Quantization / Offloading / Distillation 등 모델 최적화 경험
• (우대) On-Premise GPU Server에서 모델을 학습, 운영한 경험
• (우대) AI Model Serving 또는 MLOps Pipeline 경험
• (우대) AI 관련 논문 게재, 특허 출원 또는 국가 R&D 과제 수행 경험
• (우대) Claude Code / Codex 등 AI Coding Agent를 연구 및 실험 자동화에 활용한 경험

Originally posted on Himalayas