高通
Video Research Engineer (Multiple Levels)
Video Research Engineer (Multiple Levels)
发布于 大约 11 小时前普通员工/个人贡献者
Hsinchu City, Hsinchu City, Taiwan
高级经验
全职员工
仅现场办公
硕士
PyTorch
TensorFlow
Machine Learning
CNN
RNN
VVC
HEVC
Autoencoders
AI 估算 · 104k–157k
基于美国薪资范围179k-268k美元按汇率7折算为人民币月薪，该职位为高级研究岗，技能稀缺，薪资竞争力强。
职位详情
关于这个职位
该职位是高通多媒体研发与标准组的高级研究工程师，专注于视频压缩领域的前沿算法开发，包括经典方法和机器学习方法
你将与世界顶尖的专家团队合作，参与HEVC、VVC等最新编码标准的研究与标准化工作，并有机会代表高通在JVET、MPEG等国际论坛发声
适合对视频压缩技术有深厚热情、具备扎实编程和深度学习背景的研究型人才
最低要求
工程、信息系统、计算机科学、数学、物理或相关领域的学士学位，并具备6年以上软件工程、硬件工程、系统工程或相关工作经验
或 工程、信息系统、计算机科学、数学、物理或相关领域的硕士学位，并具备5年以上软件工程、硬件工程、系统工程或相关工作经验
或 工程、信息系统、计算机科学、数学、物理或相关领域的博士学位，并具备4年以上软件工程、硬件工程、系统工程或相关工作经验
工作职责
贡献于先进算法的设计、实现和优化，以提高视频压缩效率
参与基于AI的压缩工具的研究与开发
代表高通参与相关标准化论坛：JVET、MPEG Video和ITU-T/VCEG
以各种形式记录和展示新算法和实现，包括标准贡献、专利申请、会议和期刊论文等
AI 洞察
优缺点分析
优点
- 高通作为通信和多媒体巨头，平台资源丰富，技术影响力大
- 团队是世界顶级视频压缩团队，专家云集，学习成长空间大
- 薪资福利优越，包含年终奖和RSU，总包竞争力强
- 门槛高，要求深厚理论功底和多年经验，竞争激烈
- 工作涉及标准化进程，节奏快，需适应频繁的会议和贡献产出
- 核心技术领域更新快，需持续跟踪学术界和工业界进展
- 适合具有视频编码/图像处理博士或硕士背景、热爱算法研究、愿意投身标准化工作并追求技术卓越的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 在视频压缩领域成为国际专家，主导标准制定和技术创新
- 向技术管理岗位发展，领导团队攻克下一代编码技术
- 向AI与多媒体交叉领域拓展，探索AR/VR、点云编码等前沿方向
- 设计和优化视频压缩算法，提升HEVC、VVC等标准下的编码效率
- 研究并开发基于深度学习的压缩工具，如使用CNN、RNN和自编码器
- 代表公司参与国际标准化会议，撰写技术贡献和专利申请
- 精通视频编码理论及HEVC/VVC标准，熟悉经典和最新压缩技术
- 扎实的深度学习基础，熟悉CNN、RNN、自编码器及PyTorch/TensorFlow
- 熟练使用C/C++进行算法实现，具备良好的工程能力
申请策略
- 关注高通在JVET/MPEG的贡献方向，体现对标准化流程的理解
- 准备1-2个与职位相关的技术演讲，展示研究深度和表达力
- 突出视频编码相关项目经验，特别是HEVC/VVC算法改进或实现
- 详列机器学习在压缩中的应用成果，如论文、专利或开源代码
- 展示C/C++编程能力，附上GitHub或项目链接
- 深入学习VVC最新标准，掌握其工具集和算法细节
- 实践基于深度学习的端到端图像/视频压缩模型
面试指南
- 结构化回答：先点出问题核心，再分步骤说明方法和原理
- STAR法则：情境-任务-行动-结果，用于项目经验类问题
- 请解释HEVC和VVC中帧内预测的关键技术差异
- 你如何使用深度学习改进视频压缩？请举例说明
- 描述你参与过的视频编码项目，遇到的最大技术挑战是什么？
- 复习视频编码标准（H.264、HEVC、VVC）的核心模块
- 准备2-3篇高水平论文或专利的深入讲解
- 熟悉PyTorch/TensorFlow实践，能现场编写简单模型
匹配度报告
74
综合匹配度
薪资顶尖、技术前沿，但WLB一般，适合热爱视频压缩的资深研究者。
适合人群
适合高薪导向、追求技术深度和行业影响力的求职者。
最强匹配
薪资福利匹配
最弱匹配
工作生活匹配
薪资福利90
成长发展85
工作生活50
使命价值70
薪资福利匹配
90较高
薪资范围明确且处于行业高位，包含奖金和RSU，福利竞争力强，补偿性动机满足度高。
薪资信号偏高 (104K-156K/月)
福利待遇annual discretionary bonus、annual RSU grants
成长发展匹配
85较高
工作内容前沿，涉及最新标准和AI技术，有机会参与国际标准化，成长空间大。但JD未明确提培训晋升制度。
技术前沿前沿/新兴技术
技术栈Video Compression、HEVC、VVC、Deep Learning、CNN、PyTorch
业务类型ambiguous
工作生活匹配
50较低
地点在台湾新竹，现场办公，未提及远程或弹性工作，工作强度可能较大，WLB一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
视频压缩是多媒体领域基础技术，具有社会价值，但行业成熟，创新空间有限。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs