株式会社APTOの業務委託【R&D事業部】【Computer Vision】 Research Engineerの求人

■ 募集背景
APTOでは、AIモデル開発に不可欠な学習データの生成・整備・評価プロセスをプロダクトとして提供しています。

近年、AIの中でも特にコンピュータービジョン領域においては、

・物体検知・セグメンテーション・トラッキングなどモデルの高度化
・実運用を前提としたデータ量・品質要件の急激な引き上げ
・製造・検査・図面解析など産業領域特有のデータ課題の顕在化
・Physical AI(ロボティクス)におけるビジョンデータの処理、シミュレーション（Data augmentation)

が同時に進み、モデル性能を左右する要因はアルゴリズム以上に 「どのようなデータを設計し続けられるか」 に移行しています。

特に現在は、
・学習データの品質が属人的に管理されている
・評価指標と実運用性能が乖離している
・データ改善の方法論が体系化されていない

という課題があり、コンピュータービジョンモデルの性能をデータの観点から継続的に引き上げられるメンバーが求められています。

そこで今回、CV領域におけるデータ設計と評価ループを担うResearch Engineerを募集します。

■ コンピュータービジョン領域における課題
コンピュータービジョンとは、コンピュータに人間の「目」と「認識能力」を持たせる技術です。

画像や映像から特徴を抽出し、

・物体が何かを識別し
・どこにあるかを特定し
・どのように動くかを理解する

ことを可能にします。

主な技術領域には以下があります。

・画像分類
画像全体から対象物のカテゴリを識別する技術。

・物体検知
画像内の対象物の位置と種類を同時に特定する技術。

・セグメンテーション
画素レベルで対象物を区別する高度な認識技術。

・トラッキング
動画内における物体の動きを継続的に追跡する技術。

・シミュレーション
Nvidia Cosmos, Issac sim等を使ったデータの増強

■ 本ポジションの本質
コンピュータービジョンモデルが正しく学習され、実環境で安定して動作し、課題を解決できる状態を、データ設計と評価ループの構築によって実現することを担っていただくポジションです。

扱う対象は単なる画像データではなく、

・ノイズを含む実世界データ
・クラス不均衡の激しいデータ
・長尾分布を持つ例外ケース

といった、CV特有の難しさを持つデータです。

■ 主な役割

・物体検知・セグメンテーションモデル向けデータ設計
・画像・動画データの前処理・品質管理
・アノテーション方針およびガイドライン設計
・モデル評価指標の設計および評価分析
・学習 → 評価 → データ改善のフィードバックループ構築
・モデル開発チームとの連携による性能改善

■ 研究・応用テーマ例

本ポジションでは以下の一例のようなテーマに取り組みます。

CVデータ設計

・モデル性能を最大化するデータ分布設計
・少量データ環境におけるデータ効率化
・長尾クラス問題への対応

評価設計

・実運用性能を反映する評価指標設計
・誤検知・未検知の原因分析
・アノテーション品質評価手法

産業応用

・製造ラインにおける異常検知データ設計
・図面画像の構造理解・3D化に向けたデータ設計
・マシンビジョンにおける実環境適応

■ 主軸（最も期待する領域）

・CVモデル向けデータ設計・品質管理
・モデル評価とデータ改善ループ構築
・Pythonを用いた画像データ処理・分析
・データ視点からのモデル性能改善

■ このポジションで得られるもの
・CVモデル性能を左右するデータ設計の実務経験。
・実環境で使われるマシンビジョンの課題解決経験。
・研究とプロダクト開発を横断したキャリア。
・AIの社会実装を支える基盤設計への関与。

• モデル単体よりも 「データと評価で性能を上げる」ことに面白さを感じる方
• 研究だけでなく、実運用されるAIプロダクトに関わりたい方
• モデル開発者と対話しながら、データ設計をリードしたい方
• AIプロダクトの“裏側の要”として責任を持ちたい方

• コンピュータービジョン領域のプロジェクトにおいて、データ前処理・アノテーション設計・評価分析のいずれかに関わった経験がある方。
• Pythonを用いた画像データ処理・分析経験をお持ちの方。
• モデル性能に対してデータ観点から改善に取り組んだ経験がある方。
• CV技術（物体検知・セグメンテーション等）の基本的な理解をお持ちの方。
• カメラ、センサーの理解と知識

• 物体検知・セグメンテーションモデルの実務経験。
• データセット設計やアノテーション品質管理の経験。
• 画像データの長尾問題・不均衡問題への対応経験。
• 産業領域（製造・検査・図面解析など）でのCV活用経験。
• 研究活動・論文実装・学会発表経験。
• Physical AI(IL、 VLA)の研究実績、経験