美图计算机视觉实习生（世界模型方向）
任职要求
● 计算机/电子信息/数学相关专业，基础扎实，硕士及以上学历 ● 熟练掌握C/C++/Python至少一种，工程实现能力强 ● 熟悉常用CV库和深度学习框架（PyTorch/TensorFlow/Caffe等） ● 对计算机视觉和人工智能研究和落地有热情 Title: Computer Vision Intern Location: Beijing Core Technical Domains: Deep learning, computer vision, and image & video processing, with specific focus on technologies including but not limited to: image/video detection, recognition, segmentation, editing, reconstruction, 3D vision, computational imaging, image generation, AIGC, and multimodality. Key Responsibilities: 1、Theoretical Innovation ● Conduct in-depth research on cutting-edge technologies within the domain, proactively propose innovative concepts and solutions, and be responsible for drafting technical patents or academic papers. 2、Algorithm Design ● Target specific practical application scenarios, design tailored algorithms, and conduct systematic optimization to enhance the algorithms' performance, operational efficiency, and robust…
工作职责
美图影像研究院(MT Lab)专注于计算机视觉、深度学习与计算机图形学等前沿算法的研究与应用。我们为美图产品提供核心技术支持。团队汇聚顶尖人才，致力于推动影像技术的突破，让科技与艺术美好交汇。 MT Lab focuses on R&D of cutting-edge algorithms in CV, deepearning, and computer graphics. We provide core technicalsupport for Meitu products.Our team of top talent is dedicated to advancing imagingtechnology, beautifully merging science and art. 岗位名称：计算机视觉实习生 工作地点：北京 涉及技术方向：深度学习／计算机视觉／图像视频处理, 如图像和视频的检测、识别、分割、编辑、重建、3D视觉、计算成像、图像生成、AIGC、多模态等 岗位职责: ● 理论创新：研究领域最新技术，提出新idea，撰写技术专利或论文 ● 算法设计：针对实际应用场景，设计算法并提升其效果/效率/鲁棒性 ● 落地实现：核心代码实现，输出demo或SDK，根据产品反馈迭代优化
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：抖音研发部门负责多款大型产品的研发，包括但不限于抖音、西瓜视频、汽水音乐。加入我们，你将有机会参与亿级用户场景的开发与架构工作，使用前沿的技术助力业务一起不断成长。 1、参与构建新一代多模态大模型评测体系，覆盖3D生成、动态3D（4D）、数字人、世界模型等AIGC方向，驱动模型效果持续优化与业务规模增长； 2、基于计算机视觉（CV）、音频理解、多模态大模型（MLLM）、多模态Agent、强化学习（RLVR）等技术，构建Score Model、Reward Model等自动化评测能力，将人类感知与偏好有效建模，并融入评测闭环，提升生成模型评估与优化效率； 3、参与构建行业领先的多模态评测体系，融合元评估等方法，持续迭代评测标准与数据集构建范式，提升评测结果的可靠性、细粒度与可解释性，系统刻画模型能力边界； 4、作为算法角色，与工程和质量团队协作，将评测能力落地到实际业务场景，支撑模型训练、调优与上线决策。
1.前沿技术探索与落地：参与多模态理解、生成式模型、强化学习等前沿技术的应用研究，协助进行多模态模型的数据建设、指令微调、偏好对齐等工作，协助团队进行技术验证和原型开发。 2.多模态 Agent 能力探索：支持多模态交互的基础能力研发，探索多模态 RAG、视觉 CoT、多模态 Agent 等进阶能力；参与 GUI/游戏等虚拟世界的通用多模态 Agent 项目的研究工作。 3.数据建设与评测体系：参与数据质量评估、标注标准制定及自动化数据 Pipeline 的搭建与维护，参与图像/视频理解评估、世界模型评估方法的实验。
1、多模态数据挖掘：基于 VLM 开展自动驾驶场景理解与行为挖掘，实现复杂场景、行为模式及 corner case 自动识别发现，探索弱监督 / 自监督 / 提示工程应用，提升高价值训练数据挖掘效率； 2、数据向量化建模与分布挖掘：研究数据 Embedding 建模方法，构建场景 / 行为 / 轨迹向量空间，实现数据分布建模、长尾场景发现与覆盖度评估，设计高效数据采样、重加权与主动挖掘算法； 3、数据合成与场景重建：基于 3D Gaussian Splatting、世界模型、NeRF 等技术实现真实场景重建，生成高真实性仿真数据与 corner case 合成数据，探索世界模型与数据生成在数据闭环中的应用； 4、数据闭环系统算法研发：负责自动驾驶数据挖掘、筛选、评测与训练数据构建闭环系统，推动算法研究原型工程化落地，并在真实数据中完成效果验证。
作为大疆的计算机视觉算法实习生，你将有机会将大模型、世界模型、多模态视觉、三维重建等技术赋能到大疆产品，与各领域工程师、产品经理和实际用户一起，探索各类用户场景，设计实现安全易用智能的功能，在自我实现、产品成功的同时，用影响亿万用户的智能产品，改善人们生活、提升社会生产力水平，开创空间智能时代。 1. 参与三维重建与三维视觉相关技术的研究与落地，围绕 3DGS、NeRF、多传感器融合、点云语义、SLAM、SFM、MVS、网格/点云处理等方向，开展核心算法设计、系统优化和工程实现； 2. 持续跟踪行业前沿技术，推动创新方案验证与产品化落地。