ITエンジニア転職時の履歴書で、AIで画質UPさせた写真を使ったら、転職成功率が気持ち上がるかもという話
根拠のない話で恐縮ですが、ITエンジニア転職の際に利用する履歴書で、SwinIRというAI高画質化エンジンを利用したクリアな顔写真を使うと、転職成功率がアップするかもしれないという仮説について記載します。
そんなことで本当に転職成功率はあがるのか？
もちろん、その保証はありません。ただし、仕事以外のシーンで日常に技術を取り込もうとする姿勢や、最新技術への嗜好性は、エンジニアとして求められている素養のひとつでしょう。
面接のアイスブレイクなどで「実はこの履歴書の写真、SwinIRつかって画質アップさせたんです」と発言すると、良い空気感で面接をスタートできるのではないでしょうか。
SwinIRがどういう仕組みなのか質問うけたらどうしたらよいのか？
もちろん、その質問を受ける可能性は大いにあります。知ったかぶる必要はありません。わかる範囲で事前に勉強して、回答を準備しておきましょう。最低限出来ることは、SwinIRの論文の要約をDeepLで翻訳してイメージを掴むことです。これで十分です。
SwinRの論文👇
要約の部分👇をDeepLで翻訳
SwinIRの論文の翻訳の結果は・・・
画像復元は、低品質な画像（ダウンスケール画像、ノイズ画像、圧縮画像など）から高品質な画像を復元することを目的とした、長年にわたる低レベルの視覚問題である。最先端の画像復元手法は畳み込みニューラルネットワークに基づいているが、高レベルの視覚タスクで印象的な性能を示すTransformerを用いた試みはほとんどない。本論文では、Swin Transformerに基づく画像復元のための強力なベースラインモデルSwinIRを提案する。SwinIRは浅い特徴抽出、深い特徴抽出、高品質な画像再構成の3つの部分から構成される。特に、深い特徴抽出モジュールは、いくつかの残留Swin Transformerブロック（RSTB）から構成され、それぞれのブロックは残留接続とともにいくつかのSwin Transformer層を持つ。我々は3つの代表的なタスクについて実験を行った：画像超解像（古典的、軽量、実世界画像超解像を含む）、画像ノイズ除去（グレースケール、カラー画像ノイズ除去を含む）、JPEG圧縮アーチファクト除去である。実験の結果、SwinIRは異なるタスクにおいて、最先端の手法を最大0.14〜0.45dB上回り、パラメータの総数を最大67%削減できることが示された。
www.DeepL.com/Translator（無料版）で翻訳しました。
つまりSwinIRってどういう仕組みなのか
畳み込みニューラルネットワークの手法で画像から特徴を抽出し、画像を再構成している。ということです。専門的な内容は非常に難しく、私も正確に理解していません。ただし、畳み込みニューラルネットワークが特徴抽出の技術であることを知っているだけで、リテラシーの高さのアピールになるでしょう。
SwinIR使い方は？
非常に簡単です。https://huggingface.co/spaces/akhaliq/SwinIR にアクセスして、画像をドロップして送信ボタンをクリックするだけです。
Githubのソースコードをコピーしてローカル環境で実施してみたいという律儀な方は、「SwinIR使い方」などで検索して操作方法を調べるとよいでしょう。多少面倒ですが、ほぼ同じアウトプットファイルが手に入ります。
それでは、書類選考、面接頑張ってください。
（おまけ）その他のITリテラシーをアピールする方法
他にもITリテラシーをアピールしたい場合は、Pythonを利用してNFTアートを作成することなどもおすすめです。Udemy（私が制作したもの）で解説しているので、無料部分からお楽しみください。
この記事が気に入ったらサポートをしてみませんか？