小米视觉图像算法工程师实习生
实习兼职地点：武汉状态：招聘
任职要求
1、计算机视觉、图像处理、人工智能、数学等专业方向，硕士及以上学历优先 2、具备图像视频算法实践经验，对图像视频相关算法有深入理解 3、在图像、视频生成大模型前沿有深入研究等者优先 4、对stable diffusion、diffusion transformer等视觉生成相关技术有深入研究和理解 5、具备一定创新能力、视野开阔、对技术有热情、能良好协作和沟通
工作职责
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
包括英文材料
OpenCV+
https://learnopencv.com/getting-started-with-opencv/
At LearnOpenCV we are on a mission to educate the global workforce in computer vision and AI.
https://opencv.org/university/free-opencv-course/
This free OpenCV course will teach you how to manipulate images and videos, and detect objects and faces, among other exciting topics in just about 3 hours.
图像处理+
https://opencv.org/blog/computer-vision-and-image-processing/
This fascinating journey involves two key fields: Computer Vision and Image Processing.
https://www.geeksforgeeks.org/python/image-processing-in-python/
Image processing involves analyzing and modifying digital images using computer algorithms.
https://www.youtube.com/watch?v=kSqxn6zGE0c
In this Introduction to Image Processing with Python, kaggle grandmaster Rob Mulla shows how to work with image data in python!
学历+
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
大模型+
https://www.youtube.com/watch?v=xZDB1naRUlk
You will build projects with LLMs that will enable you to create dynamic interfaces, interact with vast amounts of text data, and even empower LLMs with the capability to browse the internet for research papers.
https://www.youtube.com/watch?v=zjkBMFhNj_g
Stable Diffusion+
https://course.fast.ai/Lessons/lesson9.html
This lesson starts with a tutorial on how to use pipelines in the Diffusers library to generate images.
https://www.youtube.com/watch?v=dMkiOex_cKU
earn how to use Stable Diffusion to create art and images in this full course.
Transformer+
https://huggingface.co/learn/llm-course/en/chapter1/4
Breaking down how Large Language Models work, visualizing how data flows through.
https://poloclub.github.io/transformer-explainer/
An interactive visualization tool showing you how transformer models work in large language models (LLM) like GPT.
https://www.youtube.com/watch?v=wjZofJX0v4M
Breaking down how Large Language Models work, visualizing how data flows through.
相关职位
实习
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、参与图像画质增强、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
更新于 2025-05-23
实习
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、参与图像画质增强、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
更新于 2025-02-19
实习
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。
更新于 2025-08-21
实习
1、负责视觉大模型，多模态大模型、缺陷检测、目标检测、图像分割、相关算法的研发和实现，以及在工业场景的落地； 2、负责图像识别核心能力沉淀和产品化建设，多方协同，快速落地；利用计算机视觉和人工智能新技术，改进提升产品性能； 3、负责算法的优化和集成工作，包括边缘设备和云端；
更新于 2025-06-12