阿里巴巴业务技术-视觉AIGC实习生
任职要求
【必备项】 1、本科及以上学历，计算机、人工智能、电子与通信等相关专业； 2、熟悉计算机视觉、机器学习、图像分析与处理等相关领域技术和应用，有图文多模或者AIGC图像生成编辑相关经验者优先； 3、具备较强的工程实现能力，熟练掌握Python，熟悉pytorch开发； 4、学习能力强，对新事物有好奇心，对所在领域有热情，善于独立思考并反思总结； 5、良好的沟通能力和团队协同能力，善于合作，乐于分享； 6、可实习6个月以上。 【加分项】 1、在校园内或互联网公司有相关实习或项目经历； 2、在ICCV、CVPR等国际顶级会议、期刊上发表论文，或在相关学术会议组织的权威比赛中获奖。
工作职责
● 前沿技术研发与落地负责扩散模型（Diffusion Models）的微调与优化工作，融合图文多模态技术（Vision-Language Models, MLLM）、生成式AI（AIGC）等前沿技术，打造下一代通用图像理解与编辑工具。涵盖但不限于以下方向： ● 通用图像生成编辑：构建智能化的通用图像编辑生成能力，支持多样化场景下的自动化编辑需求, 实现类似GPT4O的基于文本的通用图像编辑能力； ● 多信息注入生成：探索基于多条件约束的高质量图像生成技术，实现精准可控的内容创作； ● 虚拟试穿（Virtual Try-On）：研发高效、逼真的虚拟试穿解决方案，推动时尚与零售行业的数字化转型； ● 视频生成与编辑：突破静态图像限制，开发动态内容生成与编辑能力，赋能多媒体创作生态； ● 技术创新与业务赋能密切跟踪AIGC（AI-Generated Content）领域的最新研究成果与技术趋势，深入解析顶级会议论文（如NeurIPS、ICLR、CVPR等），并快速将前沿理论转化为实际业务应用。通过技术创新驱动产品升级，为公司打造领先的AI内容生成能力。 关键亮点： ● 技术成长与学习机会：通过参与扩散模型、多模态技术和 AIGC 等前沿领域的研发，快速提升你的技术能力；接触到行业最热门的技术方向（如虚拟试穿、视频生成等），积累宝贵的实战经验； ● 顶尖资源支持：依托淘天集团海量的数据资源和强大的计算能力，为你的研发工作提供坚实保障； ● 开放协作的团队文化：加入一个聪明、包容且乐于分享的团队，在跨领域合作中拓宽视野、提升沟通能力；在团队中获得导师指导，帮助你快速适应工作节奏并实现个人成长。
我们是国内使用量最大的电商AIGC平台之一。 你将参与到：基于淘宝海量商品数据，打造技术先进的电商多模态大模型，支撑发布、比货、导购等多种电商业务场景，并面向商家和消费者探索 AIGC 等创新业务应用。
如果你渴望投身于AI技术驱动的未来，并希望通过算法与系统研发改变亿级用户的内容体验，那么这里将是你实现梦想的最佳舞台！在淘天集团，我们正在构建一个基于海量图像/视频数据的智能生态，覆盖内容理解、匹配分发、生成等多个核心方向。作为团队的一员，你将参与以下前沿领域的探索与实践： ● AIGC（AI-Generated Content）创新：探索扩散模型(SD、flux系列)、自回归生成(AR)、强化学习、多模态生成技术等前沿方法，打造下一代智能化内容生成工具，赋能电商、娱乐、广告等多个场景。 ● 跨领域联合创新：结合计算机图形学、物理仿真和大语言模型等技术，推动虚拟试穿、3D内容生成、基于文本描述的通用图像编辑、动态视频生成编辑等应用落地，开创视觉技术的新格局。 在这里，你不仅能够接触到行业最顶尖的数据资源，还能与一群聪明、皮实、乐观、自省、追求卓越的伙伴一起，探索未知、突破边界，共同定义视觉技术的未来！ 为什么选择我们？ ● 海量数据与真实场景：依托淘天集团丰富的业务场景，你将有机会在亿级图像/视频数据上验证你的算法，并看到它们如何直接影响用户的生活。 ● 前沿技术与创新氛围：我们鼓励大胆尝试、快速迭代，支持你在机器学习、深度学习、计算机视觉、AIGC等领域的深入研究。 ● 成长与发展机会：无论你是希望深耕技术成为领域专家，还是逐步转型为技术管理者，我们都会为你量身定制适合的成长计划。 ● 顶级资源支持：无论是计算资源、数据资源，还是与行业顶尖专家的合作机会，我们都将全力支持你的成长。
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.前沿算法研发 •主导计算机视觉与AIGC核心算法研发（检测/分割/生成/多模态等），推动超分、修复、美化等技术在业务场景落地，实现效果与效率双优化。 •探索Stable Diffusion等生成式模型的应用创新，结合业务需求优化图像生成、智能编辑（如文本驱动编辑、语义修复）等关键技术。 2.工程化落地 •完成算法从原型到产品的全链路开发，解决模型压缩（量化/剪枝）、推理加速（TensorRT/MNN部署）、跨平台适配等工程挑战。 •构建高精度、低延迟的CV pipeline，覆盖图像矫正、去噪、OCR等实际需求。 3.技术前瞻性研究 •跟踪CVPR/ICML等顶会技术动态，针对性研发Diffusion Models、Vision Transformer等前沿模型，建立技术壁垒。