商汤图像和视频生成算法实习生
任职要求
1，具有图像视频生成的项目经验或者论文，熟悉目前常见的开源模型，如sd，flux，hunyuan-image, hunyuan-video, wanvideo, qwen-image中的一种或者多种。 2，掌握基本扩散模型的数学原理，从SDE，VDM等角度理解扩散模型。 3，…
工作职责
1， 算法创新，探索扩散模型在图像视频生成领域，画质，动态性提升的方法 2，算法创新，探索扩散模型推理提速的蒸馏方法和无需训练的方法 3，业务支持，改进现有扩散模型以实现目前业务所需的一些特性，如提高人像一致性，长视频生成的稳定性，指令遵循能力等 4，业务支持，改进现有扩散模型以实现流式地生成
1. 在图像和视频生成领域，开展AR Transformer和Diffusion模型融合的研究工作； 2. 探索PPO、DPO等强化学习方案在图像和视频生成领域的潜力，进一步提升生成效果和Benchmark； 3. 将研究成果转化为学术论文，持续投递A类会议；
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
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、参与快手kling多模态视频生成的研发和落地工作（实习生以发论文为主），包括但不限于: t2v，i2v等基础模型研发、多模态可控视频生成编辑、世界模型等； 2、探索将多模态大语言模型mllm如deepseek/qwen相关技术与视频生成相结合，包括但不限于：提升kling视频生成的多模态理解、推理、多轮交互能力等； 3、探索将语音和视频生成相结合，包括但不限于：语音驱动的视频生成，有声视频等； 4、探索实时可拓展的多模态视频生成技术，提升多模态视频生成的质量和效率等； 5、在顶会顶刊上发表研究成果和开源代码，提升团队在多模态视频生成等领域的学术声望。