高德地图视觉生成算法实习生
任职要求
1、理工科硕士/博士在读；
2、在视觉理解、生成领域有一定的经验，能够掌握领域内的最新技术进展，具备实现、改进新的算法能力；
3、熟…工作职责
团队介绍： 我们团队在地图导航的核心领域路线规划、ETA、路况预测等方向都达到行业领先的水平，有很强的用户口碑，你将与算法精英共事，提升你的技术实力和创新能力。团队承接公司核心业务，深耕人工智能前沿领域，在业内有持续影响力，多篇论文入选paper digest最有影响力论文名单。 具体职责包括但不限于： 1、在mentor的指导下，研究用于图像和视频生成/理解的先进算法，包括但不限于GANs和LDMs、多模态大模型； 2、跟踪业内最前沿的AIGC和多模态大模型技术，并将创新技术用于实际问题； 3、技术沉淀形成顶会论文和专利。
1、研究和探索可控的视觉内容生成技术，负责视觉内容生成模型等相关算法的研发和落地，结合公司业务场景进行相关策略迭代 2、探索时空内容可控生成技术，包括图片/视频风格迁移、镜头控制、空间一致性控制等 3、持续跟踪图像和视频生成领域的最新技术动态，评估并实施前沿技术，推动技术在公司产品中的应用与创新
1.参与图像、视频生成相关领域研发工作，探索视觉生成领域前沿方向 2.参与图像生成与编辑、视频可控生成、多模态视觉生成、视觉生成领域强化学习等方向研究 3.分析和解决算法产品化过程中出现的效果、性能等问题 4.参与学术研究，产出影响行业的科研成果
公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)
负责智能硬件相关图像生成、多模态OCR算法训练、调优与评测； 参与多模态大模型在教育领域的研究和应用探索； 协助团队完成相关技术文档的整理与撰写。