본 논문은 다중 모드 행동 데이터를 기반으로 한 자동화된 성격 및 소프트 스킬 평가의 어려움을 해결하기 위해, RecruitView라는 새로운 데이터셋과 Cross-Modal Regression with Manifold Fusion (CRMF)라는 새로운 기하학적 딥러닝 프레임워크를 제안합니다. RecruitView는 300명 이상의 참가자로부터 얻은 2,011개의 자연스러운 비디오 인터뷰 클립을 포함하며, 빅 5 성격 특성, 전반적인 성격 점수, 6가지 인터뷰 성과 지표 등 12가지 차원에 대한 27,000개의 쌍별 비교 판단 데이터를 제공합니다. CRMF는 쌍곡선, 구형, 유클리드 다양체에서 행동 표현을 명시적으로 모델링하며, 기하학별 전문가 네트워크, 적응형 라우팅 메커니즘, 그리고 접선 공간 융합을 활용하여 성능을 향상시키고 모델 파라미터 수를 줄입니다. 실험 결과, CRMF는 기존 모델 대비 최대 11.4%의 스피어만 상관 계수 개선과 6.0%의 일치 지수 개선을 보였습니다.
