포지션 상세
우리는 모델링과 예측 불가능하게 변형된 실제 대상 사이의 간극을 알고리즘으로 극복하는 솔루션을 만듭니다. 센서 노이즈, Occlusion, 왜곡이 발생하는 혹독한 실제 산업 환경에서 기존 기술로는 해결하기 어려웠던 비강체(Non-rigid) 대상의 정밀 대응점 추정과 변형 추정이라는 고난도 문제에 도전하고 있습니다.
최신 딥러닝(Transformer, GNN 등) 기반의 매칭 모델 개발부터 시뮬레이션 데이터를 실제 환경으로 연결하는 Sim-to-Real 파이프라인 구축, 그리고 고도화된 비선형 최적화 문제 설계까지 3D 비전 알고리즘의 한계를 확장하는 연구와 실제 산업 현장 적용을 함께 수행할 엔지니어를 찾습니다.
• 설계 CAD 또는 기준 3D 모델과 실제 변형 대상의 포인트 클라우드(Point Cloud) 간 정합
• 기준 모델의 특징점과 실제 대상 사이의 대응점 추정
• Deformation Graph 또는 Dense Deformation Field 기반 변형 모델링
• 반복적·대칭적 형상에서 발생하는 대응점 모호성 해소
2. 학습 기반 특징 및 대응점 추정 모델 개발
• 기준 형상과 변형 형상 간 특징 추출 및 대응점 추정 모델 개발
• Transformer, Graph Neural Network(GNN) 또는 Attention 기반 매칭 모델 개발
• 대응점 정확도, 정합 오차 및 변형 추정 성능 평가
3. 시뮬레이션 기반 데이터 생성 및 학습 파이프라인 구축
• 시뮬레이션 데이터와 실제 측정 데이터를 활용한 학습 파이프라인 구축
• 실제 생산 환경을 반영한 도메인 랜덤화 및 데이터 증강
• Sim-to-Real Gap 완화를 위한 학습 및 검증 전략 수립
• 경력: 2년 이상
• 3D 포인트 클라우드(Point Cloud) 처리 및 알고리즘 개발 경험이 있는 분
• ML/DL 기반 특징 추출, 대응점 추정 또는 매칭 모델을 개발·적용한 경험이 있는 분
• Python 또는 C++ 기반 비전 알고리즘 구현 경험이 있는 분
• PyTorch, TensorFlow 또는 유사 딥러닝 프레임워크 활용 경험이 있는 분
최신 딥러닝(Transformer, GNN 등) 기반의 매칭 모델 개발부터 시뮬레이션 데이터를 실제 환경으로 연결하는 Sim-to-Real 파이프라인 구축, 그리고 고도화된 비선형 최적화 문제 설계까지 3D 비전 알고리즘의 한계를 확장하는 연구와 실제 산업 현장 적용을 함께 수행할 엔지니어를 찾습니다.
주요업무
1. 기준 모델과 실제 대상 간 3D 비강체 정합 알고리즘 개발• 설계 CAD 또는 기준 3D 모델과 실제 변형 대상의 포인트 클라우드(Point Cloud) 간 정합
• 기준 모델의 특징점과 실제 대상 사이의 대응점 추정
• Deformation Graph 또는 Dense Deformation Field 기반 변형 모델링
• 반복적·대칭적 형상에서 발생하는 대응점 모호성 해소
2. 학습 기반 특징 및 대응점 추정 모델 개발
• 기준 형상과 변형 형상 간 특징 추출 및 대응점 추정 모델 개발
• Transformer, Graph Neural Network(GNN) 또는 Attention 기반 매칭 모델 개발
• 대응점 정확도, 정합 오차 및 변형 추정 성능 평가
3. 시뮬레이션 기반 데이터 생성 및 학습 파이프라인 구축
• 시뮬레이션 데이터와 실제 측정 데이터를 활용한 학습 파이프라인 구축
• 실제 생산 환경을 반영한 도메인 랜덤화 및 데이터 증강
• Sim-to-Real Gap 완화를 위한 학습 및 검증 전략 수립
자격요건
• 학력: 기계, 컴퓨터공학 등 관련 전공 학사 이상• 경력: 2년 이상
• 3D 포인트 클라우드(Point Cloud) 처리 및 알고리즘 개발 경험이 있는 분
• ML/DL 기반 특징 추출, 대응점 추정 또는 매칭 모델을 개발·적용한 경험이 있는 분
• Python 또는 C++ 기반 비전 알고리즘 구현 경험이 있는 분
• PyTorch, TensorFlow 또는 유사 딥러닝 프레임워크 활용 경험이 있는 분
