네이버 Vision 팀의 미션은 우리 주변의 시각적 세계를 이해하는 기계학습 알고리즘을 개발하고, vision 기반의 새로운 사용자 경험을 네이버 제품에 적용하는 것입니다.
네이버 Vision 팀에서 최고의 기술을 연구/개발하고 이를 글로벌 서비스에 적용하는 경험을 함께 할 능력있는 research/system/mobile engineer를 모집합니다. 여기를 클릭하여 지원하세요.
- 2020.05.25 추가 : 체험형 인턴 과정 모집도 추가되었습니다. 여기를 클릭하여 지원하세요.
- 딥러닝 기반의 computer vision에 대한 최신 기술 연구/개발
- 네이버/라인의 대규모 UGC/쇼핑 데이터를 대상으로 하는 real-world problem 해결
- 스마트렌즈, 이미지/동영상 검색, 비주얼 커머스 서비스 고도화에 기여
- Computer vision 관련 최신 연구를 이해하고 이를 딥러닝 프레임워크 (TensorFlow, PyTorch, MXNet 등) 로 구현할 수 있는 분
- 본인의 아이디어를 구체화하고 이를 이론적, 실험적으로 증명할 수 있는 분
- 연구를 위한 연구가 아닌, 서비스에 필요한 real-world problem을 풀어보려는 의지를 가진 분
- Computer vision 관련 top-tier 학회에 출판한 논문이 있는 분
- Kaggle 등의 챌린지에서 좋은 성과를 거둔 분
- 전통적인 computer vision (image processing, feature extraction) 기술을 보유한 분
- 항상 겸손하고 배우는 자세로 동료들과 즐겁게 일할 수 있는 분
- 최고의 기술 개발에 대한 욕심을 가진 분
- 딥러닝 기반의 computer vision 기술을 이용한 이미지 인식/분석/검색 백엔드 시스템 연구/개발
- large-scale/low-latency/high-throughput 시스템 구축을 위한 모델 최적화 및 시스템 엔지니어링
- 스마트렌즈, 이미지/동영상 검색, 비주얼 커머스 서비스 고도화에 기여
- Python, C++, Golang, Scala 등의 백엔드 개발 언어를 1개 이상 자유롭게 활용 가능한 분
- Hadoop, Spark 등을 활용하여 대규모 분산 환경에서 데이터 정제 및 분석이 가능한 분
- Database, Search engine, Docker, Web server, Message queue, Triton IS 등 백엔드 시스템 기술에 친숙한 분
- Computer vision 관련 최신 연구에 관심이 많은 분
- 딥러닝 기술을 실서비스에 적용한 경험이 있는 분
- 대규모 분산 환경 서비스를 직접 운영해 보신 분
- 항상 겸손하고 배우는 자세로 동료들과 즐겁게 일할 수 있는 분
- 최고의 기술 개발에 대한 욕심을 가진 분
- 온-디바이스 딥러닝 기반의 computer vision 기술 및 서비스 개발
- 스마트렌즈 서비스 개발
- [공통] Computer vision 기술 개발에서부터 서비스 출시까지 적극적으로 참여할 수 있는 분
- [iOS] iOS 앱 개발 3년 이상 또는 그에 준하는 능력
- [Android] 안드로이드 앱 개발 3년 이상 또는 그에 준하는 능력
- Computer vision 기술 또는 딥러닝 모델을 단말(iOS 또는 Android)에 직접 올려서 서비스 해 보신 분
- OpenGL ES(Android) 또는 Metal(iOS) 관련 개발 경험이 있는 분
- 항상 겸손하고 배우는 자세로 동료들과 즐겁게 일할 수 있는 분
- 최고의 기술 개발에 대한 욕심을 가진 분
네이버 Vision 팀에서는 image classification, object detection, image retrieval, semantic segmentation 등의 일반적인 computer vision 기술뿐만 아니라 multi-modal image search, graph neural networks, image synthesis 등의 분야에서 최신 기술을 연구/개발하고 있습니다. 이렇게 개발된 기술은 CVPR, AAAI 등 top-tier 학회에 논문으로 출판되었으며, 관련 workshop에서 주최하는 challenge에서도 다수 입상하였습니다. Vision 팀은 네이버의 스마트렌즈, 이미지/동영상 검색, 비주얼 커머스 서비스에 코어 기술을 제공하고 있으며, 라인 일본의 이미지/동영상 검색과 일본/대만/태국의 비주얼 커머스 기술을 담당하며 글로벌 서비스에 기여하고 있습니다.
- 네이버 사내 서비스로 제공되는 공통 GPU 클러스터(C3DL, NSML) 외에도 수백여 개의 조직 전용 GPU를 사용하고 있습니다.
- 또한 네이버 이미지 서비스를 위한 대규모 이미지 분산 시스템을 자체 구축/운영하고 있으며 이를 활용하여 여러 네이버 서비스에 AI 비전 기술을 제공하고 있습니다.
- 대량의 트래픽을 처리하는 이미지 검색 API 서버를 구축하고 이를 여러 네이버 서비스에 제공하고 있습니다.
- Byungsoo Ko, Geonmo Gu. Large-scale Bilingual Language-Image Contrastive Learning. International Conference on Learning Representations Workshop (ICLRW) 2022. [paper] [code]
- Geonmo Gu, Byungsoo Ko, SeoungHyun Go, Sung-Hyun Lee, Jingeun Lee, Minchul Shin. Towards Real-time and Light-weight Line Segment Detection. The Association for the Advancement of Artificial Intelligence (AAAI) 2022. [paper] [code]
- Minchul Shin, Yoonjae Cho, Byungsoo Ko, Geonmo Gu. RTIC: Residual Learning for Text and Image Composition using Graph Convolutional Network. arXiv 2021. [paper]
- Byungsoo Ko, Geonmo Gu, Han-Gyu Kim. Learning with Memory-based Virtual Classes for Deep Metric Learning. International Conference on Computer Vision (ICCV) 2021. [paper]
- Geonmo Gu, Byungsoo Ko, Han-Gyu Kim. Proxy Synthesis: Learning with Synthetic Classes for Deep Metric Learning. The Association for the Advancement of Artificial Intelligence (AAAI) 2021. [paper] [code]
- Minchul Shin. Semi-supervised Learning with a Teacher-student Network for Generalized Attribute Prediction. European Conference on Computer Vision (ECCV) 2020. [paper]
- Byungsoo Ko, Geonmo Gu. Embedding Expansion: Augmentation in Embedding Space for Deep Metric Learning. Computer Vision and Pattern Recognition (CVPR) 2020. [paper] [code]
- Yang-Ho Ji, HeeJae Jun, Insik Kim, Jongtack Kim, Youngjoon Kim, Byungsoo Ko, HyongKeun Kook, Jingeun Lee, Sangwon Lee, Sanghyuk Park. An Effective Pipeline for a Real-world Clothes Retrieval System. Computer Vision and Pattern Recognition (CVPR) Workshops, 2020. [paper]
- Geonmo Gu, Byungsoo Ko. Symmetrical Synthesis for Deep Metric Learning. The Association for the Advancement of Artificial Intelligence (AAAI) 2020. [paper] [code]
- Jungkyu Lee, Taeryun Won, Tae Kwan Lee, Hyemin Lee, Geonmo Gu, Kiho Hong. Compounding the performance improvements of assembled techniques in a convolutional neural network. arXiv 2020. [paper] [code]
- Sanghyuk Park, Minchul Shin, Sungho Ham, Seungkwon Choe, Yoohoon Kang. Study on Fashion Image Retrieval Methods for Efficient Fashion Visual Search. Computer Vision and Pattern Recognition (CVPR) Workshops, 2019. [paper]
- ByungSoo Ko, Minchul Shin, Geonmo Gu, HeeJae Jun, Tae Kwan Lee, Youngjoon Kim. A Benchmark on Tricks for Large-scale Image Retrieval. arXiv 2019. [paper]
- Minchul Shin, Sanghyuk Park, Taeksoo Kim. Semi-supervised Feature-Level Attribute Manipulation for Fashion Image Retrieval. British Machine Vision Conference (BMVC) 2019. [paper]
- HeeJae Jun, ByungSoo Ko, Youngjoon Kim, Insik Kim, Jongtack Kim. Combination of multiple global descriptors for image retrieval. arXiv 2019. [paper] [code]
- 2nd Place in the CVPR 2020 DeepFashion2 Challenge, Clothes Retrieval Task. [link]
- 2nd Place in the CVPR 2020 Fashion IQ Challenge, Interactive Query Task by Fashion Attribute. [link]
- 1st Place in the CVPR 2019 iFood Challenge, Fine-Grained Visual Categorization. [link]
- 2021 NAVER Search Colloquium Global Re:Search. [link]
- How to Improve Generalization in Visual Search. [presentation]
- Creative Ways for Visual Search. [presentation]