profile소개
I build models that let machines understand video.
기계가 영상을 이해하게 하는 모델을 만듭니다.
current work지금 하는 일Director of Research at TwelveLabs, leading research across its video foundation modelsTwelveLabs의 Director of Research로, 회사의 여러 영상 파운데이션 모델 연구를 이끕니다
I lead research and productization across TwelveLabs’ model families. I run research teams on clear ownership: managers set direction, engineers and scientists own the how, and every open question gets an owner and a date. I run hiring across research, built the team, and help set the direction of research and product. I also stepped in to run a search engineering team, set its release criteria, and handed it to a permanent manager.
TwelveLabs의 여러 모델 패밀리의 연구와 제품화를 이끕니다. 연구팀은 누가 무엇을 책임지는지 분명히 하여 운영합니다. 매니저는 방향을 정하고, 엔지니어와 과학자는 방법을 책임지며, 아직 풀리지 않은 질문에는 하나하나 담당자와 기한을 둡니다. 리서치 채용을 맡아 팀을 꾸렸고, 리서치와 제품의 방향을 함께 세웁니다. 검색 엔지니어링 팀을 임시로 맡아 운영하며 출시 기준을 세운 뒤 정식 매니저에게 넘기기도 했습니다.
marengoMarengoMarengo video embeddings: co-authored 3.0, led research and technical direction for 3.5Marengo 영상 임베딩: 3.0에는 공동 저자로 참여했고, 3.5에서는 연구를 이끌고 기술 방향을 정했습니다
I co-authored Marengo 3.0 and made its final release calls as it launched on Amazon Bedrock. For Marengo 3.5, I led research and technical direction; it splits video where the content changes and adds an opt-in uncertainty signal built on ProLIP, which I co-authored.
Marengo 3.0의 공동 저자로 참여했고, Amazon Bedrock에 공개될 때 최종 출시 결정을 내렸습니다. Marengo 3.5에서는 연구를 이끌고 기술 방향을 정했습니다. Marengo 3.5는 내용이 바뀌는 곳에서 영상을 나누고, 사용자가 원할 때 켤 수 있는 불확실성 신호도 제공합니다. 이 신호는 제가 공동 저자로 참여한 ProLIP을 바탕으로 합니다.
before이전 경력Seven years at Kakao and NAVER AI Lab카카오와 NAVER AI Lab에서 7년
Before TwelveLabs, I spent seven years in industry research at Kakao and NAVER AI Lab, where I co-first-authored ViLT (cited: 3,199), an early efficient vision-language transformer now part of Hugging Face Transformers. Its VQA checkpoint was the library’s default visual question answering model and has been downloaded more than 6 million times. I have published 19 peer-reviewed papers and hold an M.Sc. and B.Sc. from Seoul National University.
TwelveLabs에 오기 전에는 카카오와 NAVER AI Lab에서 7년 동안 산업계 연구자로 일했습니다. 그때 공동 제1저자로 쓴 ViLT (인용 3,199)는 효율적인 비전-언어 트랜스포머의 초기 사례 가운데 하나로, 지금은 Hugging Face Transformers에 들어 있습니다. VQA 모델은 이 라이브러리의 시각 질의응답 기본 모델이었고, 내려받기가 600만 회를 넘었습니다. 동료 심사를 거친 논문 19편을 발표했고, 서울대학교에서 학사와 석사 학위를 받았습니다.
At TwelveLabs, we’re hiring researchers and engineers to work on multimodal embeddings and video search. Open role in Seoul →
TwelveLabs에서 멀티모달 임베딩과 영상 검색을 다룰 연구자와 엔지니어를 채용하고 있습니다. 서울 채용 공고 →
selected publications대표 논문
- 2024ECCVOralHYPE: Hyperbolic Entailment Filtering for Underspecified Images and TextsW. Kim, S. Chun, T. Kim, D. Han, S. Yuncited 인용 29
- 2021ICMLLong talkViLT: Vision-and-Language Transformer Without Convolution or Region SupervisionW. Kim*, B. Son*, I. Kimcited 인용 3,199
- 2019NeurIPSLearning Dynamics of Attention: Human Prior for Interpretable Machine ReasoningW. Kim, Y. Leecited 인용 12
writing글
- The Theory of Consensus Reset Cost Optimization합의 리셋 비용 최적화 이론
How the World Breaks Monopolies, and Why Different Assets Break Differently세상은 독점을 어떻게 부수는가, 그리고 왜 자산마다 부서지는 방식이 다른가
- Speak Concisely, Write Verbosely말할 때는 여전히 간결하게, 쓸 때는 풍부하게
LLM 시대, 간결함의 황금률이 무너지는 순간In the age of LLMs, the moment the golden rule of brevity breaks
- Exploiting Contemporary ML최신 ML 활용하기
HCI 연구자를 위한 최신 ML 모델 활용 가이드A guide to putting recent ML models to work for HCI researchers
log소식
We launched Marengo 3.5, a video-native multimodal embedding model built around the temporal structure of video.
TwelveLabs launches Pegasus 1.5, a video-language model for long-form video. In TwelveLabs’ own comparison, it outperformed Gemini 3.1 Pro on segmentation and multimodal prompting.
TwelveLabs releases Marengo 3.0, a new standard for foundation models that understand the world in all its complexity.
One CVPR-2025 EVAL-FoMo 2 Workshop paper: Emergence of Text Readability in Vision Language Models.
I’ve started a new chapter at TwelveLabs!