▫️

ML Engineer - Computer vision

옴니어스 AI 연구팀은?

옴니어스 AI 연구팀은 머신러닝 분야의 cutting-edge 기술들을 패션 도메인이 가진 특성에 맞는 적합한 형태로 변형/적용하며 문제를 풀어나가고 있습니다. 패션 이미지를 제대로 해석하기 위해서는 아이템, 형태 등과 같은 객관적인 속성 부터 스타일, 감성키워드와 같은 정성적인 속성 그리고 성별, 사람의 자세, 옷의 겹침 등 속성의 높은 복잡도와 이미지의 비정형성을 극복해야 합니다. 그렇기 때문에 패션을 해석하기 위한 머신러닝 모델을 개발하는 것은 단순히 딥러닝 모델을 블랙박스처럼 활용하는 것 이상의 많은 노력을 필요로 합니다.

옴니어스는 글로벌 수준의 패션 AI 기술을 개발하기 위해, 지난 6년간 자체 개발한 데이터 수집 툴을 통해 패션 전문가 그룹과 머신러닝 전문가가 협업을 하여 OMNIOUS Fashion 데이터셋을 구축해왔습니다. 또한 지난 3년간 상용화된 머신러닝 서비스를 운영하면서 고객사의 피드백이 지속적으로 반영되어 더욱 real world에 근접한 데이터셋으로 진화하고 있습니다. 옴니어스 AI 연구팀은 이러한 학습데이터를 활용해 패션을 이해하는 머신러닝 연구와 시장의 문제를 지속적으로 해결하고 있습니다. 최근에는 수요 예측을 통한 재고 관리 최적화를 시작으로 패션을 넘어 다양한 리테일 영역으로의 확장을 진행중에 있습니다.

어떤 업무를 담당하게 되나요?

Fashion object detection and fine-grained classification
  • (i) 작은 물체 (ii) 서로 겹친 물체가 있는 다양한 소스의 패션 이미지들에 대해서도 잘 작동하는 detector 모델을 연구/개발합니다.
  • 클래스 간 유사도가 높고, 클래스 내 다양성이 큰 패션 아이템들이 포함된 이미지에서의 fine-grained 물체 분류를 위한 classifier 모델을 연구/개발합니다.
Multi-label attributes detection and multi-task learning
  • (i) 다양한 종류의 속성 (프린트 패턴, 소재감, 길이, 핏, 패션 아이템의 디테일한 구성요소) 등을 detection 하고 (ii) 그러한 속성들 간의 관계를 활용한 multi-task learning 모델을 연구/개발 합니다.
Robust fashion image retrieval
  • 패션 아이템의 색상, 소재, 패턴, 소매, 넥라인, 핏 등 다양한 속성들을 고려한, 유사한 스타일의 상품을 실시간으로 찾아주는 embedding 모델을 연구/개발 합니다. 제한된 환경에서 제작된 상업용 이미지 뿐만이 아닌 다양한 디바이스와 빛 조건에서 촬영된 사용자의 이미지들에서도 robust한 모델을 개발합니다.
Noisy label classification
  • 학습된 모델의 confidence를 활용하여 학습 데이터 내의 오분류된 데이터를 찾는 알고리즘을 연구/개발 합니다. Noisy label을 제외하고 학습하여 모델의 성능을 개선하거나 해당 데이터에 대해 검수 우선순위를 부여하여 옴니어스 데이터 플랫폼을 활용한 빠르고 효율적인 cleansing 작업이 가능하도록 합니다.
Semi-supervised / Self-supervised learning
  • 옴니어스는 지난 6년간 서비스를 하며 자체 확보한 3천만장 이상의 Unlabeled 데이터를 보유하고 있으며, 그 수량은 빠르게 증가하고 있습니다. 정답이 없는 이미지 데이터를 활용한 semi-supervised 및 self-supervised learning을 통해 classifier, detector, embedding model 등 다양한 모델에 활용되는 backbone representation을 고도화 하는 연구를 진행합니다. 최근에는 SwinTransformer 기반 EsViT 모델을 학습중에 있습니다.
Style keyword generation
  • 이커머스, SNS의 이미지와 실제 사용자들이 많이 활용하는 키워드의 pair 데이터셋을 활용해, '가을나들이룩', '데일리룩', '하객룩' 등과 같이 단순한 속성들의 조합으로 표현되지 않는 패션 이미지들의 특성을 표현하는 다양한 스타일 키워드를 생성하는 모델을 연구/개발합니다.
Near duplicate image detection
  • 옴니어스는 약 9000여개의 브랜드 상품들 및 약 3만여 명의 패션 인플루언서로 부터 수많은 패션 관련 이미지들을 실시간으로 수집하고 있습니다. 판매를 위한 상품이나 패션 인플루언서의 SNS 포스트 이미지들이 같은 아이템을 촬영한 이미지인 경우에도 촬영 각도나 환경에 따라 약간의 변형만 생겨도 다른 이미지로 분류되기 때문에, 중복 상품에 대한 판별을 하는 것은 매우 중요한 문제입니다. 동일한 상품이지만 변형이 있는 경우를 동일 상품으로 인식하는 embedding 모델을 연구/개발 합니다.

이런 경험을 가지신 분을 찾고 있어요

  • CS/EE 또는 관련 전공 (또는 이와 동등한 전문적 경험)
  • 머신러닝/딥러닝에 대한 깊은 이해
  • Pytorch, Tensorflow 등의 딥러닝 라이브러리를 사용한 연구 경험
  • 풍부한 Python 활용 경험
  • 논문을 통해 새로운 연구 내용을 이해할 수 있는 능력 및 구현 경험
  • 최신 머신러닝/딥러닝 연구 주제들에 대한 지식 및 구현 경험

이런 경험이 있다면 더 좋아요

  • 컴퓨터 시각 또는 머신러닝 분야에서 국제 학회 또는 학술지에 논문 출판 경험
  • 컴퓨터 시각 또는 머신러닝 분야 석박사 학위 소지자 (또는 동등한 전문적 경험)
  • 실사용된 서비스에 머신러닝 기술을 적용해본 경험
  • 머신러닝 모델 배포 파이프라인을 구현해본 경험

채용 프로세스

  • 채용 프로세스
    • 서류 전형 ⇒ 1차 기술 인터뷰 ⇒ 2차 기술 인터뷰 ⇒ 임원 인터뷰 ⇒ 최종 합격
    • 1차 기술 인터뷰 : 해당 포지션 실무 및 리더와 지원하신 포지션에 대한 업무 역량을 확인하는 시간입니다.
    • 2차 기술 인터뷰 : 옴니어스 연구팀에서 관심있게 보고 있는 논문 리스트를 드리고, 해당 논문들 중 하나에 대한 발표를 진행하며 팀 멤버들과의 Discussion을 진행합니다.
    • 임원 인터뷰&Culture Fit : 해당 포지션에 대한 심층면접과 옴니어스의 조직문화에 대한 생각을 나누는 시간입니다.

입사 시 유의사항

  • 입사 유의 사항
    • 인턴을 제외한 모든 직무는 3개월 수습기간을 거칩니다.
    • 수습기간 동안 급여 및 복지는 차등 없이 지급됩니다.
    • 입사지원 서류에서 허위기재 사실이 발견될 경우, 입사가 취소될 수 있습니다.
  • 지원방법
    • 이메일로 지원 접수를 진행하며 joinus@omnious.com로 지원서와 포트폴리오를 첨부하셔서 발송해 주시면 됩니다.
    • 서류 양식은 자유양식으로 기재해 주시면 됩니다.