우문현답
愚 問 賢 答
회사별 면접직군별진행 방식
    홈›회사별›카카오모빌리티›AI 리서처›질문 상세
    問
    카카카오모빌리티AI 리서처직무 역량2026년 출제

    Detection, Segmentation, Depth Estimation 중에서 어떤 기술을 주로 사용하시며, 그 이유는 무엇인가요?

    답변 미리보기

    Detection·Segmentation·Depth Estimation 중 직접 다룬 경험이 있는 건 Object Detection입니다. 수업 프로젝트에서…

    예상 답변 시간
    60~90초
    예상 꼬리질문
    3회
    난이도
    난이도 중상
    출제 빈도
    높음
    INTERVIEWER'S INTENT · 면접관의 의도

    이 질문, 네 갈래로 뜯어봅니다.

    면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.

    問
    01
    어디까지 닿아 본 적이 있는가?
    각 결에 본인이 닿은 자리를 솔직히 짚은 답이 강한 결로 통합니다. '잘 안다'로만 단정한 답은 자기인식 얕은 자리입니다.
    骨
    02
    선택 근거가 분명한가?
    작업 목적과 결 선택을 연결한 흔적이 답에 나타납니다. 단순 친숙함만 적은 답은 의도가 흐릿한 결입니다.
    語
    03
    본인 손에 쥔 결은 무엇인가?
    본인이 직접 풀어 본 자리와 학습으로만 안 결을 가른 답이 강합니다. '경험 있다'로만 묶은 답은 검증 자리가 빈 자리입니다.
    本
    04
    한계도 함께 짚는가?
    각 결의 약점을 인정한 답이 통합니다. 한쪽만 절대화한 답은 시야가 좁은 결입니다.
    말로 해봐야 는다
    읽는 것과 말하는 건 다릅니다.
    이 질문, 소리 내어 답해 볼까요?
    카카오모빌리티 면접관 페르소나가 이 질문을 던지고, 당신의 답에 꼬리질문으로 되물어요.
    음성으로 답해보기
    솔직한 경험 기반 접근약 90초Detection으로 시작했다가 Segmentation으로 전환해야 했던 경험과 교훈약 120초Depth Estimation을 처음 맡아 스테레오·모노큘러 방식을 비교하며 선택한 경험약 150초
    예시 답변 1
    약 90초

    솔직한 경험 기반 접근

    Detection·Segmentation·Depth Estimation 중 직접 다룬 경험이 있는 건 Object Detection입니다. 수업 프로젝트에서 YOLO 모델로 교통 표지판 탐지 과제를 진행했고, 사전 학습된 가중치를 파인튜닝하는 방식을 썼습니다. Segmentation과 Depth Estimation은 직접 구현한 경험은 없고, 논문과 강의를 통해 개념을 파악했습니다. Segmentation은 픽셀 단위 분류가 필요한 자리에 쓰이고, Depth Estimation은 단일 이미지에서 3D 구조를 추정하는 자리에 필요하다고 이해합니다. 직접 경험한 자리와 그렇지 않은 자리를 솔직하게 가르는 것이 중요하다고 봅니다.

    이 결의 특징
    Object Detection을 직접 다룬 경험이 있고 Segmentation과 Depth Estimation은 논문과 강의로 개념을 파악했다는 경계를 명시한 흔적이 있습니다. 직접 경험한 자리와 그렇지 않은 자리를 솔직하게 가르는 것이 중요하다는 결이 자기 인식으로 닫힌 자리가 자주 보입니다.
    이 결이 통하는 자리
    경험 경계를 솔직하게 밝히면서 각 기술이 어떤 자리에 쓰이는지 개념 이해까지 함께 설명될 때 통합니다. 다 안다는 결보다 어디까지 직접 했는지가 살아 있는 자리에서 면접관의 신뢰가 생기는 결이 자주 보입니다.
    예시 답변 2
    약 120초

    Detection으로 시작했다가 Segmentation으로 전환해야 했던 경험과 교훈

    자율 주행 보조 과제에서 처음에는 객체 탐지(Detection)로 충분하다고 판단해 `YOLOv8`을 먼저 적용했어요. 바운딩 박스 정확도는 나쁘지 않았는데, 도로 경계·인도·차선처럼 픽셀 단위 구분이 필요한 영역에서 바운딩 박스가 너무 거칠었습니다.

    요건을 다시 검토하니 인스턴스 수준 분석이 필요한 시나리오가 처음 설계에서 빠져 있었어요. Mask R-CNN으로 전환하면서 구현 비용이 늘었지만, 픽셀 단위 마스크가 있어야 실제 판단이 가능한 케이스가 많다는 걸 직접 확인했습니다.

    과제 요건을 더 세밀하게 분석했다면 처음부터 맞는 기술을 선택했을 것이라는 반성이 남았습니다. 지금은 기술 선택 전에 "픽셀 수준 이해가 필요한가" 를 요건 체크리스트 첫 항목으로 넣어요.

    이 결의 특징
    자율 주행 보조 과제에서 Detection으로 시작했다가 도로 경계·인도·차선 같은 픽셀 단위 구분에서 바운딩 박스가 너무 거칠다는 것을 확인하고 Mask R-CNN으로 전환했으며, 처음부터 픽셀 수준 이해가 필요한지를 요건 체크리스트 첫 항목으로 넣는 방식으로 바꾼 흔적이 있습니다. 기술 선택이 요건 분석보다 앞서면 전환 비용이 생긴다는 결이 실패에서 나온 자리가 자주 보입니다.
    이 결이 통하는 자리
    Detection에서 Segmentation으로 전환한 이유와 이후 요건 체크리스트 첫 항목을 바꾼 결정이 인과로 설명될 때 통합니다. 기술 완성도보다 요건 분석을 먼저 했더라면의 반성이 살아 있는 자리에서 면접관의 꼬리질문이 줄어드는 결이 보입니다.
    예시 답변 3
    약 150초

    Depth Estimation을 처음 맡아 스테레오·모노큘러 방식을 비교하며 선택한 경험

    공장 내 로봇 내비게이션 과제에서 깊이 추정을 처음 담당하게 됐어요. 기존 팀은 Detection 중심이라 Depth Estimation 관련 인프라나 선행 경험이 없었습니다. 스테레오 카메라 사용과 모노큘러 추정 모델 중 어느 방향으로 갈지 결정해야 했어요.

    두 방식을 직접 테스트해 보니 스테레오는 정밀도가 높지만 카메라 교정 비용이 크고, 모노큘러 `MiDaS`는 상대 깊이만 제공해 절대 거리 계산에 추가 보정이 필요했습니다. 실내 고정 환경이라는 조건 덕분에 교정 비용을 한 번만 치르면 되는 스테레오가 더 적합했어요.

    Depth Estimation 방식 선택은 환경 조건과 정밀도 요건에 달려 있다는 걸 그때 배웠습니다. 이후엔 기술을 먼저 고르기보다 운영 환경과 정밀도 요건을 먼저 정리하고 방식을 역으로 결정하는 순서를 씁니다.

    이 결의 특징
    공장 내 로봇 내비게이션에서 스테레오와 MiDaS 모노큘러 방식을 직접 테스트해 스테레오는 정밀도가 높지만 카메라 교정 비용이 크고 MiDaS는 절대 거리 보정이 추가로 필요하다는 차이를 확인하고, 실내 고정 환경이라는 조건 덕분에 교정 비용을 한 번만 치르면 되는 스테레오가 더 적합했다는 결론에 이른 흔적이 있습니다. 기술을 먼저 고르기보다 운영 환경과 정밀도 요건을 먼저 정리하는 순서가 자리를 잡은 결이 자주 보입니다.
    이 결이 통하는 자리
    스테레오와 모노큘러 직접 비교 실험과 운영 환경 조건이 선택을 결정한 자리가 함께 설명될 때 통합니다. 기술 이름보다 어떤 조건에서 어떤 기준으로 골랐는지가 살아 있는 자리에서 면접관의 신뢰가 생기는 결이 자주 보입니다.
    !
    위 답변은 여러 풀이 중 한 가지 예시입니다. 정답이 아니며, 외워서 그대로 말하면 면접관이 다음 질문을 그 자리에서 시작하는 경우가 많습니다. 본인의 프로젝트·기준·숫자로 다시 짜는 자리로만 쓰세요.
    ✕자주 빠지는 자리

    같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.

    • ✕떨어뜨린 옵션이 1개라도 있는가? "이게 답이었어요"만으로는 의사결정이 아니라 그냥 선택입니다.
    • ✕선택 기준이 그 프로젝트에 한정되는가? "성능이 좋아서"는 일반론, "우리 트래픽이 X 패턴이라서"가 본인의 답입니다.
    • ✕결과 숫자 1개를 정확히 말할 수 있는가? P95·QPS·적중률 — 무엇이든 1개. 숫자가 없으면 직감으로 한 일처럼 들리기 쉽습니다.
    • ✕지금 다시 한다면 어떻게 할지 답할 수 있는가? "잘했다"보다 "이건 다르게 했을 것 같다"가 더 깊은 인상을 남깁니다.
    ▶이어질 꼬리질문

    진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.

    壹본인 모델이 빗나간 경험은 없었나요?
    貳지금 가장 약한 결은 어디라고 보시나요?
    參본인이 처음 보는 자리는 어떻게 푸시나요?
    이제, 직접 답해볼 차례예요.
    눈으로 읽은 답은 면접장에서 나오지 않아요. 카카오모빌리티 면접관과 이 질문으로 한 번 대화해 보세요.
    이 질문으로 모의면접 해보기
    또는, 다음 질문으로

    같은 흐름에서 자주 이어지는 질문들이에요.

    카카오모빌리티 · AI 리서처
    3D Object Detection 기술을 적용했던 경험이 있다면, 어떤 상황에서 어떤 도구를 사용했는지 설명해 주세요.
    이 질문 보기
    삼성전자 DX부문 · AI 리서처
    3D Scene Perception 기술 개발 경험이 있다면 어떤 프로젝트에서 어떻게 활용되었나요?
    이 질문 보기
    안내 · 이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 실제 출제·회사 공식 입장과는 무관하며, 정정 요청 시 24시간 내 반영합니다. 자세히
    개인정보처리방침이용약관문의
    © 2026 우문현답. All rights reserved.
    이 페이지 목차
    01면접관의 의도02답변의 결03실수·꼬리질문04관련 질문
    말로 해봐야 는다
    이 질문, 카카오모빌리티 면접관과
    음성으로 답해볼까요?
    모의면접 해보기
    첫 회 무료 · 종료 즉시 음성 폐기