포지션 상세
HEIMDEX는 온프레미스 멀티모달 비디오 AI 스타트업입니다.
원본 영상을 외부 클라우드에 올리지 않고, 고객 인프라 안에서
자연어 영상 검색 · 자동 편집 · 숏폼 생성 · 컴플라이언스 블러 · 아카이브 수익화를 구현합니다.
heimdex.co
• 창립 7개월 만에 빠르게 성장 중입니다.
• 삼성화재 & Antler (Global VC) Pre-seed 투자 유치 완료 (30억 밸류)
• 창업성장 R&D 과제 (디딤돌) 선정
(중앙대 & 광운대 AI LAB 협력) 과제비 2.6억
• 2016 엔비디아 글로벌 협업 프로그램 (엔업) 과제 선정 과제비 1.5억
• 2016 광주광역시 창업중심도시 프로젝트 선정 과제비 0.8억
• KT AX Tech 커넥트 2026 참여
• 연세대학교 캠퍼스타운 스타트업 경진대회 선정
• 기보벤처캠프 18기 우수기업 선정
• Tips - 운영사 삼성화재를 통한 추천 3분기 선정 진행 중 과제비 8억
• 엔터사부터 로펌까지 다양한 고객 확보
• 대기업부터 스타트업, IT부터 엔터사까지 8년 이상의 폭넓은 경력만큼, 열린 마음과 열정을 가진 팀원들
• 단기 성과와 장기 안정성 사이의 균형을 판단합니다
• 속도를 위한 correctness의 허용 수준을 결정합니다
• 핵심 시스템을 언제, 어떻게 변경해야 하는지 판단합니다
• 검색 정확도(recall/mAP), 인덱싱 처리량, 시스템 latency 등 품질 기준(quality bar)과 아키텍처 가드레일을 스스로 정의합니다
• 장기 아키텍처 방향에 대해 실질적인 최종 발언권을 가집니다
정부 R&D 및 산학협력 연구과제를 리드합니다.
• TIPS R&D 과제(Video Knowledge Graph)의 기술 파트를 주도합니다
• 중앙대/광운대/KAIST 등 AI 랩실과의 공동연구를 운영·관리하며, 특허 및 논문 성과를 지속적으로 만들어냅니다
[상세 주요 업무]
1) 멀티모달 인덱싱 파이프라인
• 장면 분할(scene segmentation) 키프레임 추출/클러스터링 VLM 캡셔닝 STT(Whisper 계열) 임베딩(CLIP/SigLIP 계열) 벡터 인덱스 구축까지 이어지는 대용량 영상 처리 파이프라인
• 비동기 처리 구조, GPU inference 스케줄링, chunking 전략, 파일 IO 병목 최적화
2) Video Knowledge Graph (TIPS R&D 핵심 과제)
• 장면 단위 멀티모달 하이퍼그래프 생성: 인물·객체·행동·대사·장소를 노드/관계로 구조화
• Cross-video entity resolution: 영상 여러 편에 걸쳐 동일 인물/객체를 식별·연결
• Graph 기반 RAG: 그래프 구조를 활용해 "왜/어떻게" 수준의 질의에 답하는 검색·추론 시스템
• 도메인 벤치마크 데이터셋 구축 및 평가 체계 설계
3) 온프레미스 배포·최적화
• 고객사 GPU 환경(소비자급 RTX부터 서버급까지)에 맞춘 VLM/임베딩 모델 경량화·양자화·VRAM 최적화
• 최신 GPU 아키텍처 대응(CUDA/PyTorch 빌드 관리), 폐쇄망 환경 배포 자동화
4) 논문 협업
• 중앙대 PAI Lab · 광운대 사회 인공지능 Lab · Kaist 와의 산학 공동연구 리드
• 특허 출원 및 국제 학회(CVPR/NeurIPS 계열) 논문화 로드맵 실행
학위: AI/CS/전자공학 등 관련 분야 석사 이상 (박사 우대),
**학사 지원 불가, 논문 경험 필수***
기술적 판단을 언어로 설명할 수 있는 사람
• 멀티모달 검색/인덱싱, 비동기 파이프라인, 벡터/그래프 구조 등 복잡한 도메인을 팀 전체가 이해할 수 있도록 추상화·시각화·정의할 수 있는 능력
• 모델·인프라·클라이언트 간의 의존성, 병목, 보안 구조를 기술적 근거 기반으로 논리적으로 설명할 수 있는 능력
• "왜 이렇게 설계했는지"를 PM/디자이너/주니어 엔지니어가 모두 이해하도록 만드는 사람
기준을 세우는 사람
• 문제 정의 기술 옵션 비교 아키텍처 WBS 스프린트 단위 분해까지 풀스택으로 설계·분해 가능한 능력
• 병목 구간(모델 호출 비용, GPU inference delay, 파일 IO, chunking 구조)을 빠르게 발견하고 리스크를 선제적으로 차단하는 사람
• 테크 리드로서 개발자들에게 정확한 작업 단위를 배분하고 코드 리뷰 기준을 설정할 수 있는 사람
필수 기술 경험 (아래 중 2개 이상)
• VLM(Qwen-VL, LLaVA 계열 등) 또는 멀티모달 임베딩 모델(CLIP/SigLIP 등)의 파인튜닝·서빙·최적화 경험
• 벡터 검색 시스템(FAISS, Milvus, Qdrant 등) 설계 및 대규모 인덱스 운영 경험
• Knowledge Graph / Graph RAG / Entity Resolution 관련 연구 또는 구현 경험
• GPU inference 최적화(양자화, TensorRT, vLLM 등) 및 온프레미스 배포 경험
원본 영상을 외부 클라우드에 올리지 않고, 고객 인프라 안에서
자연어 영상 검색 · 자동 편집 · 숏폼 생성 · 컴플라이언스 블러 · 아카이브 수익화를 구현합니다.
heimdex.co
• 창립 7개월 만에 빠르게 성장 중입니다.
• 삼성화재 & Antler (Global VC) Pre-seed 투자 유치 완료 (30억 밸류)
• 창업성장 R&D 과제 (디딤돌) 선정
(중앙대 & 광운대 AI LAB 협력) 과제비 2.6억
• 2016 엔비디아 글로벌 협업 프로그램 (엔업) 과제 선정 과제비 1.5억
• 2016 광주광역시 창업중심도시 프로젝트 선정 과제비 0.8억
• KT AX Tech 커넥트 2026 참여
• 연세대학교 캠퍼스타운 스타트업 경진대회 선정
• 기보벤처캠프 18기 우수기업 선정
• Tips - 운영사 삼성화재를 통한 추천 3분기 선정 진행 중 과제비 8억
• 엔터사부터 로펌까지 다양한 고객 확보
• 대기업부터 스타트업, IT부터 엔터사까지 8년 이상의 폭넓은 경력만큼, 열린 마음과 열정을 가진 팀원들
주요업무
기술적 방향성과 장기 아키텍처 일관성을 직접 책임지고, 구현하는 사람입니다.• 단기 성과와 장기 안정성 사이의 균형을 판단합니다
• 속도를 위한 correctness의 허용 수준을 결정합니다
• 핵심 시스템을 언제, 어떻게 변경해야 하는지 판단합니다
• 검색 정확도(recall/mAP), 인덱싱 처리량, 시스템 latency 등 품질 기준(quality bar)과 아키텍처 가드레일을 스스로 정의합니다
• 장기 아키텍처 방향에 대해 실질적인 최종 발언권을 가집니다
정부 R&D 및 산학협력 연구과제를 리드합니다.
• TIPS R&D 과제(Video Knowledge Graph)의 기술 파트를 주도합니다
• 중앙대/광운대/KAIST 등 AI 랩실과의 공동연구를 운영·관리하며, 특허 및 논문 성과를 지속적으로 만들어냅니다
[상세 주요 업무]
1) 멀티모달 인덱싱 파이프라인
• 장면 분할(scene segmentation) 키프레임 추출/클러스터링 VLM 캡셔닝 STT(Whisper 계열) 임베딩(CLIP/SigLIP 계열) 벡터 인덱스 구축까지 이어지는 대용량 영상 처리 파이프라인
• 비동기 처리 구조, GPU inference 스케줄링, chunking 전략, 파일 IO 병목 최적화
2) Video Knowledge Graph (TIPS R&D 핵심 과제)
• 장면 단위 멀티모달 하이퍼그래프 생성: 인물·객체·행동·대사·장소를 노드/관계로 구조화
• Cross-video entity resolution: 영상 여러 편에 걸쳐 동일 인물/객체를 식별·연결
• Graph 기반 RAG: 그래프 구조를 활용해 "왜/어떻게" 수준의 질의에 답하는 검색·추론 시스템
• 도메인 벤치마크 데이터셋 구축 및 평가 체계 설계
3) 온프레미스 배포·최적화
• 고객사 GPU 환경(소비자급 RTX부터 서버급까지)에 맞춘 VLM/임베딩 모델 경량화·양자화·VRAM 최적화
• 최신 GPU 아키텍처 대응(CUDA/PyTorch 빌드 관리), 폐쇄망 환경 배포 자동화
4) 논문 협업
• 중앙대 PAI Lab · 광운대 사회 인공지능 Lab · Kaist 와의 산학 공동연구 리드
• 특허 출원 및 국제 학회(CVPR/NeurIPS 계열) 논문화 로드맵 실행
자격요건
• 컴퓨터 비전/멀티모달 분야 국제 학회(CVPR, ICCV, ECCV, NeurIPS, ACL 등) 논문 실적학위: AI/CS/전자공학 등 관련 분야 석사 이상 (박사 우대),
**학사 지원 불가, 논문 경험 필수***
기술적 판단을 언어로 설명할 수 있는 사람
• 멀티모달 검색/인덱싱, 비동기 파이프라인, 벡터/그래프 구조 등 복잡한 도메인을 팀 전체가 이해할 수 있도록 추상화·시각화·정의할 수 있는 능력
• 모델·인프라·클라이언트 간의 의존성, 병목, 보안 구조를 기술적 근거 기반으로 논리적으로 설명할 수 있는 능력
• "왜 이렇게 설계했는지"를 PM/디자이너/주니어 엔지니어가 모두 이해하도록 만드는 사람
기준을 세우는 사람
• 문제 정의 기술 옵션 비교 아키텍처 WBS 스프린트 단위 분해까지 풀스택으로 설계·분해 가능한 능력
• 병목 구간(모델 호출 비용, GPU inference delay, 파일 IO, chunking 구조)을 빠르게 발견하고 리스크를 선제적으로 차단하는 사람
• 테크 리드로서 개발자들에게 정확한 작업 단위를 배분하고 코드 리뷰 기준을 설정할 수 있는 사람
필수 기술 경험 (아래 중 2개 이상)
• VLM(Qwen-VL, LLaVA 계열 등) 또는 멀티모달 임베딩 모델(CLIP/SigLIP 등)의 파인튜닝·서빙·최적화 경험
• 벡터 검색 시스템(FAISS, Milvus, Qdrant 등) 설계 및 대규모 인덱스 운영 경험
• Knowledge Graph / Graph RAG / Entity Resolution 관련 연구 또는 구현 경험
• GPU inference 최적화(양자화, TensorRT, vLLM 등) 및 온프레미스 배포 경험
