图像算法

该职位来源于猎聘 多模态大模型视频/图像理解及生成岗位职责： 1.参与多模态大模型在视频及图像理解领域的算法研究与开发，协助团队探索目标检测、图像分类、语义分割等常用算法在多模态场景下的应用与优化方案。 2.协助进行多模态数据的处理与分析，包括视频和图像数据的标注、清洗、特征提取等工作，为模型训练提供高质量的数据支持。 3.配合完成多模态大模型在视频及图像理解任务上的性能评估和优化，通过实验分析模型效果，提出改进建议，提升模型的准确性和效率。 4.跟踪多模态视频及图像理解领域的学术前沿和行业动态，收集相关资料并进行整理，为团队引入新的思路和方法，协助撰写技术报告和文档。 5.研发/改进多模态生成模型（如Diffusion Models、GANs、Transformers），优化视频时序一致性、分辨率及跨模态对齐能力。 6.构建多模态数据集，设计文本→视频、图像→视频生成方案。 7.协助处理日常文档工作 应聘资格要求： 1.计算机科学、人工智能、通信工程、数学等相关专业优先，有扎实的理论基础，熟悉机器学习、深度学习等相关课程知识。 2.熟练掌握至少一种深度学习框架，如TensorFlow、PyTorch等，能够基于框架进行模型搭建与训练；了解视频/图像理解的常用算法，熟悉Clip、ViT、SD等多模态大模型，对多模态数据处理有一定的认识和实践经验。 3.有视频生成、图像编辑（Inpainting/Outpainting）项目经验者优先。 4.具备快速复现前沿算法、设计创新实验的能力。熟悉多模态大模型架构（如Flamingo、VideoPoet）者优先。 5.技术热情高，沟通协作能力强，适应快节奏工作。英语熟练，可流畅阅读技术文献及开源代码。