[네이버랩스] Panoptic Segmentation Research Engineer 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• 디지털 트윈 산출물(Image, Height Map, 3D Mesh, Point Cloud 등)로부터 Semantic 정보를 추출하는 기술을 연구하고 개발합니다.

  이렇게 볼 수 있어요

  입력이 2D 영상 하나가 아니라 높이 지도, 메시, 점군까지 여러 형식입니다. 그룹 소개에 차선, 도로, 건물이 구축 대상으로 나와 있어, 이런 도시 객체를 2D와 3D 데이터에서 함께 분할해 본 경험이 업무와 바로 이어집니다.

• 실 데이터와 Simulation 환경을 활용한 대규모 Training Data 생성 파이프라인을 설계하고 구축합니다.

  이렇게 볼 수 있어요

  모델만이 아니라 학습 데이터를 만드는 체계까지 맡습니다. 우대 사항의 Sim-to-Real 전이 기법, Zero-shot 추론과 함께 보면 라벨이 부족한 도시 데이터를 시뮬레이션 데이터로 보완하는 방향으로 해석할 수 있습니다. 시뮬레이션 데이터를 섞어 실데이터 성능이 어떻게 달라졌는지 비교해 본 결과가 있다면 그 차이를 이 업무와 가장 가까운 결과로 내세울 만합니다.

2자격 요건

• 경력구분은 경력이고 관련분야 박사학위 또는 실무경력 5년 이상이 필요합니다. 박사학위 소지자는 회사 경력이 없더라도 지원할 수 있습니다.

  이렇게 볼 수 있어요

  박사학위로 지원한다면 회사 경력 대신 학위 연구에서 다룬 데이터 형식과 규모가 이 공고의 산출물과 어떻게 이어지는지를 보여 주게 됩니다. 도시나 실외 장면을 다룬 연구였다면 그 점이 디지털 트윈 산출물과 가장 가까운 부분입니다.

• Panoptic / Semantic / Instance Segmentation 부문에서 2년 이상의 연구·개발 경험이 필요합니다.

  이렇게 볼 수 있어요

  제목이 Panoptic Segmentation인 것은 도로처럼 영역으로 나누는 대상과 건물처럼 개체로 세는 대상을 함께 다룬다는 뜻으로 볼 수 있습니다. 세 방식 가운데 다뤄 본 것과 대상 데이터가 2D 영상인지 3D 점군인지를 구분해 설명하면 업무의 여러 입력 형식과의 연결이 분명해집니다.

3우대 사항

• 파악한 Segmentation 정보를 3D Mesh와 연계하는 시스템을 구축한 경험을 우대합니다.

  이렇게 볼 수 있어요

  그룹 소개는 도시를 3D 데이터로 구축하고 변화를 반영한다고 적었습니다. 2D에서 얻은 분할 결과를 메시 면이나 점에 투영해 3D 모델에 라벨을 붙여 본 경험이 있다면 투영 방식과 정확도를 면접에서 꺼낼 수 있습니다.

• 대규모 데이터의 분산 처리와 자동화 파이프라인 구축 경험을 우대합니다.

  이렇게 볼 수 있어요

  도시 전역 단위의 산출물을 다루는 업무라 한 번에 처리하는 데이터 양이 큽니다. 처리한 타일 수나 데이터 용량, 사람이 하던 단계 가운데 자동화한 범위가 그 규모를 보여 줍니다.

• Zero-shot 추론이 가능한 모델을 설계하고 학습한 경험을 우대합니다.

  이렇게 볼 수 있어요

  학습 때 보지 못한 객체나 지역에도 분할 결과를 내야 하는 상황과 이어지는 우대입니다. 네이버랩스는 사우디아라비아의 세 도시로 디지털 트윈을 넓혔으므로, 다른 지역 데이터에 재학습 없이 적용해 본 결과가 있다면 그 성능 차이를 구체적으로 설명하는 게 좋습니다.

• Domain Adaptation 등 Sim-to-Real 전이 기법을 적용한 경험을 우대합니다.

  이렇게 볼 수 있어요

  업무의 Training Data 생성에 Simulation 환경이 들어 있습니다. Domain Adaptation으로 시뮬레이션 데이터와 실데이터 사이의 성능 차이를 줄였다면 줄어든 폭을 실데이터 평가 지표로 보여 줄 수 있습니다.

4기타 사항

• 게시일 : 2026년 10월 26일
• 고용형태 : 정규직
• 근무지 : 경기도 성남시 (1784 사옥)
• 경력 조건 : 경력 (관련분야 박사학위 또는 실무경력 5년 이상)
• 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.

전형과 지원

같은 채용 사이트에서 지원해도 법인마다 전형 단계가 다릅니다. 모든 계열 공고에 공통으로 들어 있는 것은 기업문화 적합도 검사와 마감일입니다.

지원 전 준비할 것

1. 1

   분할 프로젝트 하나 정리

   Segmentation 프로젝트 하나를 골라 입력 데이터 형식(Image, Point Cloud 등), 클래스 구성, 평가 지표, 결과를 한 장으로 정리해 두세요.

2. 2

   학습 데이터 생성 과정 설명 준비

   실데이터와 시뮬레이션 데이터를 어떻게 만들고 섞었는지, 라벨을 어떻게 확보했는지를 단계별로 설명할 수 있게 준비합니다.

3. 3

   코딩테스트 연습

   1차면접에 코딩테스트가 포함돼 있습니다. 연구 코드와 별개로 알고리즘 문제를 시간 안에 푸는 연습을 해 두는 편이 낫습니다.