小米多模态算法工程师实习生

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；

1、深入调研多模态、计算机视觉和自然语言处理等方向的前沿技术 2、推进视觉信息语义分割与编码的研究，设计自监督学习任务，在大数据上训练较大参数规模模型； 3、探索视觉与语言的语义对齐方法，和多模态多任务联合训练

1、负责图像、视频的多模态内容生成工作，应用Transformer、Stable Diffusion等技术赋能核心业务; 2、利用前沿深度学习算法，对图像、视频进行编码、压缩、重建或生成; 3、探索图像和视频的前沿技术，负责算法模型迭代升级。

1. 研究语音多模态大模型前沿技术 2. 负责语音多模态模型算法方案研发、迭代与落地应用