美团视频内容理解-多模态算法项目实习生
任职要求
1. 在图像/视频理解算法、自然语言理解、多模态生成、强化学习、知识问答、大规模预训练模型等任一领域有深入算法经验。 2. 具有扎实的机器学习基础,对深度学习、大语言模型、多模态模型、生成式模型等内容理解与生成技术有深入的理解，数理功底扎实，自学能力强。 3. 良好的开发习惯，热爱技术，对前沿的算法有了解并积极尝试，熟悉常用的机器学习技术及常用深度学习框架。 4. …
工作职责
1. 负责基于多模态内容理解的应用能力建设以及技术沉淀，如图像/视频理解、内容审核以及多模态生成等，服务用户增长、营销、搜索、推荐等流量分发场景。 2. 参与多模态大模型前沿技术的探索及落地，尝试前沿的技术方案创新。
作为AI智慧观赛产品团队的核心算法成员，负责驱动体育赛事视频内容理解技术的研发与创新。目标是让系统精准、实时地识别赛事中的核心元素与关键事件，为AI智能解说、多维赛场智瞰等核心功能提供高质量底层数据支撑，最终打造业界领先的AI观赛体验。 1. 核心视觉模型研发：负责体育赛事视频理解核心模型的构建、训练与优化，重点研究实时目标检测与跟踪（球员、球、裁判、场地标识等）、行为动作识别（射门、传球、运球、击球等）、关键事件检测（进球、犯规、得分、暂停等）技术，确保赛事核心信息捕获的准确性与实时性。 2. 多场景适配与鲁棒性优化：针对足、篮、乒等不同赛事的运动特性、场地规则差异，以及光照变化、遮挡、快速运动模糊等复杂场景，优化模型的泛化能力与鲁棒性，保障跨赛事、跨场景的稳定识别效果。 3. 视频语义信息提取：设计并实现赛事结构化数据生成方案，从视频流中提取球员轨迹、攻防转换节奏、战术阵型变化等语义信息，将原始视频数据转化为可被大模型理解的结构化特征与事件标签。 4. 实时性与工程化落地：优化模型推理速度与资源占用，结合TensorRT等推理加速框架，实现视频理解算法的端到端高效部署，满足赛事直播
1. 负责超长视频内容的前沿算法研究、实现与优化，重点攻克高效的长视频处理机制，如关键帧选择、特征压缩和记忆机制。 2. 参与构建和清洗大规模多模态数据集，优化长视频理解在视频问答、内容摘要等任务上的准确率，优化视频场景下模型的推理能力。 3. 具备技术前瞻性与创新能力，跟踪国际最新技术动态，探索如多模态理解创新架构、音视频理解等新方向，并提出创新算法或方案，推动学术前沿发展。
1. 负责超长视频内容的前沿算法研究、实现与优化，重点攻克高效的长视频处理机制，如关键帧选择、特征压缩和记忆机制。 2. 参与构建和清洗大规模多模态数据集，优化长视频理解在视频问答、内容摘要等任务上的准确率，优化视频场景下模型的推理能力。 3. 具备技术前瞻性与创新能力，跟踪国际最新技术动态，探索如多模态理解创新架构、音视频理解等新方向，并提出创新算法或方案，推动学术前沿发展。
综述：负责特斯拉官方宣传视频的全流程制作。 面试流程：初筛-笔试（视频作品）-两轮面试 岗位职能 *负责创作特斯拉官方宣传视频、相关社交媒体平台视频、车主故事系视频内容等 。 *参与视频制作全流程，负责In-house视频的落地和产出。 *侧重于编写文案脚本、分镜头设计以及后期剪辑。