Sr. AI Engineer (Generative Vision / Realistic-Novel-View Synthesis)

생성형 비전/BEV·Novel-View Synthesis 모델 설계·개발·최적화; 멀티센서(전방/주변 카메라, LiDAR, CAN/IMU/GNSS) 융합을 통한 4D 동적 장면 표현 구축; Transformer/Diffusion/NeRF/가우시안 스플래팅/비디오 오토인코더 등 아키텍처 적용으로 시공간 일관성 및 기하학적 제약 구현; 대규모 학습·평가 파이프라인 구축(내부 로그 및 공개 데이터 포함), 자기지도/약지도 학습 적용; CUDA/TensorRT/ONNX 등 실시간 최적화 및 멀티스레딩/레이턴시·메모리 예산 관리; PSNR/SSIM/LPIPS 및 기하학적 일관성, BEV/Occupancy IoU/mAP 등 정량적 평가 및 플래닝 상 영향 측정; 퍼셉션→플래닝/시뮬레이션 통합, 데이터 자동생성·증강·QA 게이트 자동화; 최신 문헌 모니터링 및 연구 결과를 프로덕션에 접목(어블레이션, KD/증류, 실무적 트레이드오프).

필수: 석사 학위 + 산업 경력 5년 이상 또는 박사 학위 + 관련 경력 1년(총 5~8+년의 딥러닝 실무 경험). Python 필수, C++/CUDA 선호. 3D 기하학 및 멀티뷰 퍼셉션(카메라 내부/외부 파라미터, 좌표변환, PnP, 번들어저스트먼트, 깊이/광류 추정, BEV/Occupancy 표현)에 대한 강한 이해. Transformer/Diffusion/NeRF 계열 등 시계열/비디오 모델 스택 경험(적어도 1개) 및 대규모 학습·하이퍼파라미터 튜닝 경험. PyTorch 기반의 대규모 비디오/멀티뷰 학습 파이프라인(분산학습, mixed precision, 체크포인트, 로깅, 리플레이) 실무 경험. 주행 로그(video-LiDAR-CAN 정렬, 타임스탬프·센서 드리프트 처리) 경험. 우대: 실제 배포 경험(NeRF, Gaussian Splatting, Video Diffusion), BEV/Occupancy/Vector-Space 표현 관련 모듈 경험(객체/차선/트래킹/맵핑), Self/Weak/Semi-supervised 학습·지식증류·도메인 적응 경험, 임베디드/SoC(NVIDIA Orin/TensorRT, TI TDA4/TIDL) 이해 및 실시간 제약 고려 경험, 시뮬레이션/리플레이(CARLA 등) 사용 경험, 대규모 주행데이터셋(nuScenes, Waymo, Argoverse2, KITTI-360 등) 사용 경험, CVPR/ICCV/ECCV/NeurIPS/ICLR 등 학술 기여 또는 관련 수상/오픈소스/특허.