Visão Computacional: mercado

Vaga

uma vaga aberta que passou pelo filtro de qualidade e lista pelo menos duas tecnologias

Candidato observado

um candidato cujo stack contém esta tecnologia; um agregado — nenhum registro individual sai do perímetro

Candidato compatível

ainda não contado

Janela

vagas abertas no momento em que o snapshot foi gerado

Números baseados numa amostra pequena — para referências mais amplas, veja ML Engineer e Research Engineer / Scientist. Júnior — entrada típica: MS / PhD em CV / Robótica + portfólio (competições de CV no Kaggle, projetos de CV no GitHub). O salto Júnior → Pleno — depois da primeira implantação de CV em produção (feature de detecção / segmentação / classificação entregue). Pleno → Sênior — propriedade de um pipeline de CV multitarefa + expertise em edge deployment ou especialização em IA generativa. Sênior → Staff / Principal — estratégia de CV para toda a organização + design de arquitetura custom + trilha de publicação de papers de pesquisa. Fluxo de carreira: Backend Sênior / ML Engineer Pleno (2-3 anos) + interesse em CV + portfólio → CV Engineer Júnior (1-2 anos) → Pleno (2-3 anos) → Sênior → ou 3D Vision Engineer, Edge CV Engineer, Generative AI Engineer (imagem/vídeo), ou ML Research CV (papers de trilha acadêmica CVPR / ICCV / ECCV).

Top 5: python, pytorch, c++, opencv, tensorflow. Python a fundo (na maior parte — componentes de edge às vezes em C++/Rust). Domínio de PyTorch + torchvision — 90%+ da pesquisa de CV em PyTorch em 2026 (TensorFlow legacy). Domínio de OpenCV: operações clássicas de CV (cv2.findContours / cv2.HoughLines / Canny edge / morphology / homography / camera calibration / stereo matching — obrigatório para pré-processamento + algoritmos tradicionais). Pillow (PIL — manipulação de imagens). Object detection / segmentation: Ultralytics YOLO (YOLOv8/v9/v10/v11 — padrão da indústria 2026 — treino fácil + boa documentação), Detectron2 (Meta — research-grade, mais flexível), MMDetection / MMSegmentation / MMPose (OpenMMLab — ecossistema enorme), família DETR (RT-DETR em ascensão 2026), SAM + SAM 2 (segmentação universal). Self-supervised + foundation models: DINOv2 (Meta — melhor backbone de visão 2024 para extração de features), CLIP + OpenCLIP + SigLIP (alinhamento vision-language), MAE (Masked Autoencoder). Backbones de classificação: família ViT, Swin Transformer, ConvNeXt, EfficientNet + MobileNet (eficientes), timm (modelos pré-treinados, biblioteca obrigatória). Data augmentation: albumentations (padrão da indústria — 30+ tipos de augmentation), torchvision.transforms.v2 (moderno PyTorch native), RandAugment + AugMix + Mixup + CutMix. Multimodal LLM: GPT-4V + Claude 3.5 Sonnet vision + Gemini 1.5/2.0 Pro vision + open-source LLaVA + Qwen 2 VL + InternVL + Idefics2 + Molmo (melhor multimodal open 2024). OCR: PaddleOCR (Baidu — líder multilíngue 2026 — 80+ idiomas), EasyOCR, Tesseract (legacy ainda enorme), Docling (IBM 2024 — doc understanding), Surya, TrOCR (Microsoft transformer-based). Face recognition: InsightFace (SOTA open-source 2026 — modelos ArcFace + RetinaFace + Buffalo), DeepFace, face_recognition. Russos: NtechLab FaceNGN / VisionLabs Luna / Tevian / RecFaces. Video understanding + tracking: ByteTrack (o mais rápido 2026), DeepSORT, BoT-SORT, StrongSORT, MOTRv2. Modelos de vídeo: VideoMAE, X-CLIP, InternVideo, MViT. Visão 3D: NeRF (original 2020) + Instant-NGP (NVIDIA — 100× mais rápido) + Gaussian Splatting (em ascensão 2023–2026), Nerfstudio (framework unificado), Open3D (point cloud), PyTorch3D (Meta), Kaolin (NVIDIA), COLMAP (structure-from-motion), Mitsuba 3 (differentiable rendering). Geração de imagem / vídeo: família Stable Diffusion (SDXL + SD3 + SD3.5), FLUX.1 (Black Forest Labs — recordista open 2024+), DALL-E 3 / Imagen 3 / Midjourney v6 / Ideogram. Vídeo: Runway Gen-3 / Pika 1.5 / Kling AI / Sora / AnimateDiff / SVD. UIs para generative: ComfyUI (node-based — favorito em pesquisa), Automatic1111. Fine-tuning de generative: LoRA + DreamBooth para Stable Diffusion / FLUX. Inference serving: Triton Inference Server + BentoML + TorchServe. Annotation: CVAT (OpenCV — padrão da indústria), Label Studio + V7 Darwin (comercial) + Roboflow (prototipagem rápida). Datasets: COCO (benchmark de detection / segmentation) + ImageNet (classificação) + OpenImages + LAION-5B (treino generative em escala web) + Objects365 + Visual Genome + ADE20K (segmentação) + Cityscapes (direção autônoma). Otimização hardware-aware: quantização (INT8 / FP16), pruning, distillation, structured sparsity (para tensor cores NVIDIA Ampere+).

Os três cargos se sobrepõem em 2026, mas as áreas de foco diferem. ML Engineer — generalista, dono do stack de ML em produção (sistemas de recomendação / antifraude / ranqueamento / ML clássico + LLM). Pode trabalhar com dados de CV, mas sem especialização profunda. Veja ML Engineer. AI Engineer / LLM Engineer — foco na integração de LLM (voltado a texto). Veja AI / LLM Engineer. NLP Engineer — foco em texto + fala. Veja NLP Engineer. Computer Vision Engineer (esta página) — foco em dados de imagem / vídeo / 3D. Sobreposição de stack com ML Engineer ~60% (PyTorch + ML em nuvem + deploy) + ~30% exclusivo (OpenCV + Ultralytics + Detectron2 + SAM + albumentations + especificidades de deploy na borda — TensorRT / CoreML). Distinções: 1) Intuição de processamento de imagem — o CV Engineer entende modelos de câmera / distorção de lente / espaços de cor / análise de histograma / operações morfológicas — base clássica de CV. O AI Engineer geralmente não conhece nada disso. 2) Restrições computacionais — os modelos de CV são pesados (gigabytes), a latência de inferência é crítica (direção autônoma — exigência de 30+ FPS), deploy na borda (domínio de TensorRT / CoreML / OpenVINO) — território exclusivo de CV. 3) Especialização em imagem / vídeo generativo — expertise em workflows de Stable Diffusion / FLUX / ComfyUI — especificamente do nicho de CV (sobrepõe-se ao AI Engineer na geração guiada por texto). 4) Habilidades de visão 3D — NeRF / Gaussian Splatting / nuvem de pontos / SLAM / calibração de câmera — exclusivo de CV. 5) Expertise de domínio — os cargos de CV costumam estar ligados a um setor específico (veículos autônomos / imagens médicas / robótica / AR/VR / imagens de satélite / controle de qualidade industrial). Cada domínio tem seus próprios datasets + regras. Transições de carreira: ML Engineer Sênior → CV Engineer — 4-8 meses (precisa de OpenCV + Ultralytics + Detectron2 + albumentations + um domínio). CV Engineer Sênior → ML Engineer — 2-4 meses (transição lateral fácil, acrescentar MLOps + noções de LLM). CV Engineer Sênior → AI Engineer (trilho de LLM) — 3-6 meses. Subespecializações em alta 2025–2026: visão 3D (Gaussian Splatting) / imagem-vídeo generativo (FLUX + estilo Sora) / multimodal (Vision-Language Models — LLaVA / Molmo).

Árvore de decisão para detecção de objetos / segmentação 2026: 1) Ultralytics YOLO (YOLOv8 / v9 / v10 / v11) — escolha padrão em 2026 para detecção de objetos. Prós: treinamento fácil (3-5 linhas de código), boa documentação + comunidade, inferência rápida (tempo real em CPU + edge), amplo suporte a implantação (ONNX + TensorRT + CoreML + TFLite nativos). Contras: a licença da Ultralytics exige AGPL ou licença comercial ($$) para uso proprietário, menos flexível academicamente que Detectron2 / MMDetection. Caso de uso: 90% dos casos de detecção de objetos em produção, protótipos, implantação em edge. 2) Detectron2 (Meta) — nível de pesquisa. Prós: API limpa, flexível (arquiteturas customizadas fáceis), licença Apache 2.0 (amigável para uso comercial), apoiado pela Meta. Contras: treinamento mais lento que o da Ultralytics, curva de aprendizado maior. Caso de uso: arquiteturas customizadas complexas, projetos de pesquisa, quando você precisa de controle fino sobre o loop de treinamento. 3) MMDetection / MMSegmentation / MMPose (OpenMMLab — consórcio chinês) — enorme ecossistema. Prós: 100+ arquiteturas já implementadas (antigas e novas), as implementações de referência dos papers sempre aparecem lá primeiro, Apache 2.0. Contras: muito orientado a configuração (curva de aprendizado íngreme), comunidade em chinês às vezes difícil para quem só lê inglês, dependências podem conflitar. Caso de uso: pesquisa, comparação de muitas arquiteturas, reprodução de papers. 4) Família DETR (detecção baseada em transformers) — mudança de paradigma moderna desde 2020+. RT-DETR (Real-Time DETR — Baidu, em alta desde 2024+ — concorrente do YOLO em tempo real), DINO-DETR, Co-DETR. Prós: ponta a ponta (sem pós-processamento NMS), muitas vezes maior acurácia em cenas complexas. Contras: inferência mais lenta que o YOLO, mais exigente em computação para treinamento. Caso de uso: necessidade de máxima acurácia, cenas complexas (objetos aglomerados). 5) SAM (Segment Anything Model — Meta 2023) + SAM 2 (versão para vídeo 2024) — segmentação universal. Caso de uso: a) segmentação zero-shot (segmentar qualquer coisa sem treinamento), b) ferramenta de anotação interativa (prompt de ponto / caixa → máscara), c) aceleração da rotulagem de dados (anotação assistida por SAM 10× mais rápida). Combine com YOLO / Detectron2: detector → SAM para máscaras precisas. 6) Detecção clássica (HOG + cascade classifiers — OpenCV) — apenas para casos muito simples, dispositivos edge sem GPU, microcontroladores de baixo consumo (ainda relevante em cenários embarcados). Recomendações padrão 2026: Implantação em produção + uso comercial → Ultralytics YOLO (se AGPL ou licença comercial for aceitável) OU Detectron2 (alternativa Apache 2.0). Pesquisa / reprodução de papers → MMDetection. Máxima acurácia / cenas complexas → RT-DETR ou Co-DETR. Segmentação universal / zero-shot → SAM 2. Aceleração da anotação → SAM + workflows interativos (integração com CVAT). Edge / mobile → YOLO com TensorRT (NVIDIA) / CoreML (Apple) / TFLite (Android). Um CV Engineer Sênior precisa saber quando usar cada um.

Sim, 24% das vagas de CV Engineer são totalmente remotas ou híbridas. O trabalho de CV é totalmente baseado em nuvem (treinamento em GPUs em nuvem — A100 / H100, datasets vindos de S3 / GCS, deployment em Kubernetes). Empresas de outsourcing — quase sempre remotas em projetos de CV dos EUA. Russas — híbrido ou remoto após o período de experiência. Bancos russos (Sber AI Banking CV — reconhecimento facial / verificação de documentos) — híbrido/presencial compliance de segurança. Empresas de veículos autônomos — caso especial: cargos de pesquisa muitas vezes propícios ao remoto, mas o deployment do produto / testes no veículo exigem presença no local (Pittsburgh Cruise / Mountain View Waymo / Palo Alto Tesla / etc). Empresas de IA generativa (Stability / Black Forest Labs / Runway / Pika / Kling) — totalmente remoto padrão. Empresas internacionais de voice-AI / NLP se sobrepõem (times multimodais) — totalmente remoto. Big Tech CV — híbrido padrão. Hubs de relocação para CV: EUA (Bay Area + Pittsburgh — clusters de veículos autônomos + Boston — região da Robotics do MIT), Reino Unido (Londres — Wayve), Canadá (Toronto — Vector Institute), Alemanha (Berlim AI + Munique automotivo — BMW / Mercedes AI), França (Paris — Hugging Face + Mistral para vision LLM), Japão (Tóquio — Sony AI + automotivo). Inglês para remoto internacional de CV — obrigatório (papers de CVPR / ICCV / ECCV + comunidade em inglês).

3D Vision Engineer — subespecialização dentro de CV com foco em compreensão 3D + renderização neural. No dia a dia: 1) Reconstrução com NeRF / Gaussian Splatting — vídeo de entrada → representação de cena 3D. Ferramentas: Instant-NGP (NVIDIA — NeRF rápido) / Nerfstudio (framework unificado) / gsplat (biblioteca de Gaussian Splatting) / app Polycam para captura. 2) Processamento de nuvens de pontos — dados de LiDAR (veículos autônomos) ou câmeras de profundidade (Kinect / RealSense). Ferramentas: Open3D / PCL (Point Cloud Library) / PyTorch3D. 3) Structure-from-motion (SfM) — várias imagens 2D → cena 3D. Ferramentas: COLMAP (SfM padrão do setor). 4) SLAM (Simultaneous Localization and Mapping) — robótica / AR — rastrear a pose da câmera + construir o mapa. Ferramentas: ORB-SLAM3 / OpenVSLAM / Kimera. 5) Renderização diferenciável — aprender 3D a partir de supervisão 2D. Ferramentas: Mitsuba 3 / nvdiffrast / Kaolin. 6) Geração 3D — texto → malha 3D (DreamFusion + Magic3D + Zero-1-to-3) ou imagem → 3D (TripoSR / InstantMesh — open-source 2024+). 7) Processamento de malhas — texturização / retopologia / UV unwrapping para pipelines de conteúdo 3D. Stack específico: PyTorch3D (Meta — pesquisa 3D), Kaolin (NVIDIA — DL 3D), Mitsuba 3 (renderização diferenciável), Open3D / PCL (nuvens de pontos), COLMAP (SfM), Nerfstudio + gsplat (NeRF / 3DGS), API Python do Blender (manipulação de malhas). Trajetória de carreira: CV Engineer Sênior + interesse em computação gráfica + portfólio prático com NeRF / 3DGS → 3D Vision Engineer — 6-12 meses.

Roadmap: 1) Base matemática — álgebra linear + cálculo + noções de geometria projetiva (transformações / homografias / modelos de câmera). "Multiple View Geometry in Computer Vision" Hartley / Zisserman — bíblia da matemática de CV (pode ser usado como referência, sem necessidade de ler de ponta a ponta). 2) Python a fundo + noções de ML — PyTorch + NumPy + Matplotlib. Construa um classificador ML simples (MNIST). 3) Domínio de OpenCV — operações clássicas de CV. Curso: "Computer Vision Course" da PyImageSearch (Adrian Rosebrock — melhor entrada para OpenCV), documentação oficial + tutoriais do OpenCV. Construa pet projects: edge detection / panorama por homografia / detecção de faces com Haar cascades clássicos. 4) Deep Learning para Visão — Stanford CS231n "Convolutional Neural Networks for Visual Recognition" (Karpathy / Li — YouTube gratuito + slides — obrigatório, curso canônico de deep learning em CV). 5) PyTorch + torchvision na prática — treine ResNet / EfficientNet no CIFAR-10, faça fine-tune de um modelo pré-treinado no seu próprio dataset. Aprenda a usar a biblioteca timm (modelos pré-treinados). 6) Object detection — Ultralytics YOLO na prática (entrada mais fácil — treine YOLO em um dataset customizado em um dia). Depois Detectron2 (mais flexível). 7) Segmentação — Mask R-CNN via Detectron2, depois SAM (segmentação universal) — experimente segmentação interativa. 8) Ferramentas de anotação — domínio do CVAT (padrão da indústria para anotação de CV). Anote o seu próprio dataset (10-50 imagens), treine um detector nele. 9) Domínio de augmentation — biblioteca albumentations (obrigatória para CV em produção). Entenda a estabilidade de treinamento — augmentation forte melhora a robustez. 10) Transformers modernos para CV — Vision Transformer (ViT) + Swin Transformer + DINOv2 (foundation model). Suporte a visão do Hugging Face Transformers. 11) LLM multimodal — experimente GPT-4V + Claude vision + LLaVA / Qwen 2 VL open-source para entendimento. 12) Track de CV generativa (popular 2024–2026): Stable Diffusion + FLUX na prática, domínio de workflows ComfyUI, fine-tuning LoRA / DreamBooth. Curso: "Generative AI with Diffusion Models" DeepLearning.AI. 13) Track de Visão 3D (em alta 2024+): NeRF + Gaussian Splatting na prática com o framework Nerfstudio, capture sua própria cena com um celular (app Polycam), reconstrua como 3DGS. 14) Deploy em edge na prática — converta um modelo PyTorch → ONNX → TensorRT (em GPU NVIDIA), faça benchmark da latência de inferência. Experimente conversão para CoreML em Apple Silicon. 15) Portfólio de pet projects: a) pipeline de detecção nível produção (ex.: demo de contagem de peixes / veículos / células); b) LoRA customizado de Stable Diffusion / FLUX no seu próprio estilo; c) reconstrução por Gaussian Splatting (cena 3D legal a partir de vídeo de celular); d) app de CV mobile (deploy via CoreML/TFLite). Documente no GitHub + post de blog + vídeo demo. Cursos russos: MIPT DLSchool (módulo CV — YouTube gratuito), Karpov.Courses track "Computer Vision", Otus "Computer Vision", SkillFactory CV, School21 (Sber) track AI Computer Vision. Internacional (EN): Stanford CS231n (canônico — YouTube gratuito), fast.ai Practical Deep Learning (CV incluído), Hugging Face Computer Vision Course (gratuito), livro "Deep Learning for Computer Vision" Mohamed Elgendy, PyImageSearch University (Adrian Rosebrock — foco aplicado). Livros de leitura obrigatória: "Deep Learning for Vision Systems" Mohamed Elgendy (Manning), "Multiple View Geometry" Hartley / Zisserman (referência de matemática), "Computer Vision: Algorithms and Applications" Richard Szeliski (2ª edição gratuita online — enciclopédica). Conferências: CVPR (top — junho), ICCV (outubro, alternando com a ECCV), ECCV (outubro, alternando), NeurIPS (dezembro — ML mais amplo com track de CV). Backend Senior / ML Engineer Middle + interesse em CV + portfólio → CV Engineer Junior — 6-12 meses. PhD CV / Robótica → Senior CV Engineer — entrada direta.

237 active open CV Engineer positions with explicit CV specifics in our sample. The real pool is many times wider — many CV roles are classified as general ML Engineer / Robotics / AI Engineer (titles like "ML Engineer for autonomous driving" or "Senior Backend Engineer with CV focus"). True CV-focused jobs in CIS + Europe are estimated at 300-1,500 positions active at any moment in 2026 (counting fuzzily classified ones). Geography: the US, Russia, Germany. The real market is broader thanks to the international remote segment (generative AI companies + robotics startups full-remote-friendly). Time to close a Senior CV Engineer — 6-12 weeks (longer than general AI Engineer due to rare-skill — PyTorch deep + classical CV + one domain + edge deployment combination).

Um CV Engineer Sênior é dono do ciclo completo de engenharia de visão + liderança técnica. Fundamentos matemáticos: álgebra linear + geometria projetiva (modelos de câmera / homografias / geometria epipolar) + cálculo + teoria de otimização — no nível de "consigo ler artigos do CVPR sem pular os blocos de matemática". Python a fundo + nível de Backend Sênior: domínio de async / typing / FastAPI / pytest. Noções de C++ (para deploy na borda + kernels personalizados do OpenCV — desejável). Domínio profundo de PyTorch + torchvision: Datasets / Samplers / Losses / loops de treinamento personalizados, treinamento distribuído (DDP para treinamento de CV multi-GPU), precisão mista (FP16 / BF16 obrigatório em produção), acumulação de gradientes para modelos grandes. Domínio de OpenCV: operações clássicas de CV (calibração / morfologia / transformada de Hough / homografia / stereo matching / fluxo óptico), noções da API C++ para caminhos críticos de desempenho. Transformers modernos para CV: domínio de ViT / Swin / DINOv2, estratégias de fine-tuning, arquiteturas híbridas CNN-transformer. Domínio de detecção / segmentação de objetos: deploy em produção do Ultralytics YOLO + criação de arquiteturas personalizadas no Detectron2 + MMDetection / MMSegmentation quando necessário + RT-DETR + integração do SAM 2 em pipelines. Domínio de data augmentation: albumentations avançado (transformações personalizadas + estratégias de composição), test-time augmentation (TTA), compreensão de AutoAugment / RandAugment / CutMix / Mixup. Modelos de fundação: DINOv2 + CLIP + SigLIP + OpenCLIP — casos de uso para extração de features + classificação zero-shot + recuperação. LLMs multimodais (GPT-4V / Claude vision / LLaVA / Qwen 2 VL / Molmo) — quando usar vs treinar um modelo próprio. Domínio de CV generativa (se o trilho incluir): Stable Diffusion + FLUX a fundo — fine-tuning com ControlNet / LoRA / DreamBooth / IP-Adapter / textual inversion. Criação de workflows no ComfyUI. Noções de geração de vídeo (AnimateDiff / SVD). Domínio de visão 3D (se o trilho incluir): NeRF + Gaussian Splatting + Nerfstudio + SfM com COLMAP + nuvens de pontos com Open3D. Calibração de câmeras + geometria projetiva a fundo. Domínio de deploy na borda: ONNX (exportação entre frameworks + otimização do ONNX Runtime), TensorRT (NVIDIA — quantização INT8 + desenvolvimento de plugins se necessário), CoreML (Apple Silicon — suporte a operações Conv2D + especificidades do Neural Engine), TFLite (delegate NNAPI do Android), pipelines MediaPipe, OpenVINO (iGPU Intel). Otimização ciente do hardware: quantização (PTQ + QAT), pruning, destilação (professor-aluno), esparsidade estruturada (NVIDIA Ampere+ para aceleração de 2×). Arquitetura de pipelines de CV em produção: projetar no quadro branco um pipeline de ponta a ponta — ingestão de dados (câmeras / drives / streaming em nuvem) → pré-processamento → inferência em lote → pós-processamento → rastreamento / agregação → ações downstream. Sistemas multicâmera: sincronização + calibração + fusão para sistemas autônomos / de vigilância. Serving de inferência: Triton Inference Server (NVIDIA — o melhor para múltiplos modelos + batching dinâmico), DeepStream (analytics de vídeo da NVIDIA), BentoML / TorchServe. Orçamentos de latência: projetar para restrições de tempo real (autônomos: 30+ FPS, AR: 60+ FPS, moderação de vídeo: lote ok), otimização guiada por profiling (NVIDIA Nsight + PyTorch Profiler). Expertise de domínio: compreensão profunda de um ou dois domínios (direção autônoma / imagens médicas / busca visual no varejo / percepção robótica / AR/VR / imagens de satélite / controle de qualidade industrial) — principal motor do prêmio salarial para Sênior+. Estratégia de anotação: projetar workflows de anotação em larga escala (CVAT / Label Studio + assistência do SAM), ciclos de active learning, controle de qualidade dos rótulos. Metodologia de avaliação: compreensão profunda das métricas COCO (AP / AP50 / AP75 / mAP@[.5:.95]), métricas de segmentação (mIoU / Dice / boundary F1), métricas específicas de domínio (NDS / mAP para detecção em veículos autônomos), avaliação com humano no ciclo para modelos generativos. Soft skills: escrita de ADRs para decisões de arquitetura de CV, redação técnica (documentos de design de funcionalidades de CV + rascunhos de artigos no trilho de pesquisa), colaboração entre times (Produto / Backend / Robótica / Hardware), mentoria de CV Engineers Pleno, disciplina de leitura de artigos (CVPR / ICCV / ECCV / NeurIPS — é preciso acompanhar). Inglês para Sênior+ OBRIGATÓRIO — comunidade / documentação / artigos / conferências de CV são em inglês. Bônus opcional: contribuições open-source para Ultralytics / Detectron2 / MMDetection / timm / albumentations / Nerfstudio — aumentam muito o valor de mercado para contratação em CV das Big Techs / veículos autônomos / IA generativa. Artigos em workshops do CVPR / ICCV / ECCV — prêmio no trilho de Research Engineer em CV.