字节跳动【实习】基于多模态大模型的视频分析/理解/画质评估及增强与视频智能编码/表达-音视频技术（北京）

工作描述

任职要求
1、2027届及以后毕业，博士在读，人工智能、计算机、通信、芯片设计等相关专业优先；
2、优秀的代码能力、数据结构和基础算法功底或芯片架构设计；
3、在TPAMI/CVPR/NeurIPS/ICCV等顶级期刊会议上发表论文者优先；
4、向标准组织提出过提案并有标准会议经验的同学优先；
5、出色的问题分析和解决能力，有自主探索解决方案的能力。

工作职责
团队介绍：视频与边缘部门承载了字节跳动的媒体内容分发基建及技术中台，支持了字节跳动全系产品，如抖音、今日头条、番茄小说、西瓜视频等APP的点播、直播、实时通信、图片等多媒体业务发展，同时将业务发展过程中沉淀下来的技术能力和工具，通过火山引擎对外输出，面向各行各业用户提供视频云产品和服务，愿景是为内外部业务伙伴提供最低成本、最优画质、最低延时、最安全可靠的富媒体内容分发解决方案，助力业务伙伴降本提效实现持续增长。

课题介绍：
随着4K、HDR等技术成为主流标准，消费者对视频画质的要求日益提升。然而，视频在拍摄、传输和压缩过程中，画质往往受损，影响观看体验。多模态大模型的出现为视频分析、理解、画质评估、及画质增强提供了新的可能性，因此希望能够探索多模态大模型在多媒体场景的应用可行性，发掘基座大模型在大规模业务视频内容应用的潜力，建立业内领先的多媒体场景的多…