小米视觉生成算法实习生
任职要求
1.硕士及以上学历，在以下方向至少有一年的科研或者工作经历：扩散模型、自回归模型、可控图像/视频的生成与编辑、3D生成、多模态理解、模型训练/推理加速。
2.在视觉方向有过实际项目落地经验，至少发表过一篇CV&AI顶会论文，能实习…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
公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)
负责智能硬件相关图像生成、多模态OCR算法训练、调优与评测； 参与多模态大模型在教育领域的研究和应用探索； 协助团队完成相关技术文档的整理与撰写。
1. 将深度学习图形图像领域技术结合游戏场景进行创新研究； 2. 负责计算机视觉/图形学相关核心技术在游戏相关领域的算法与落地应用工作，包括但不限于如下方向：3D生成，3D重建，3D人脸/头发/人体，表情/动作，渲染，蒙皮，材质等； 3. 借助游戏平台及数据推动技术前沿的发展，并且能够快速落地应用到业务中； 4. 发表高质量论文或撰写专利，提升技术影响力。
-负责计算机视觉和深度学习算法的开发与性能提升，研究的问题包括但不限于虚拟人-基于DIffusion model的2D/3D虚拟人的表情/肢体驱动、生成模型-多模态的图像/视频生成与编辑 -行业内相关的实习、高校实验室、研究所研究、以及工作经验 -有与图形学、计算机视觉、机器学习等研究相关的开源项目的贡献背景 -在国际顶尖会议或期刊（CVPR、ICCV、ECCV、3DV、 SIGGRAPH、TOG、TPAMI）发表相关论文 -主动性强，在具有挑战性的研究问题上不断深耕并达到业界顶尖水平