Watch Jobs
Canva logo
可画
Senior Machine Learning Engineer - AI Effects and Editing
立即应聘

Senior Machine Learning Engineer - AI Effects and Editing

发布于 6 个月前

普通员工/个人贡献者

北京市
高级经验
全职员工
仅现场办公
学历未注明
软件工程
机器学习
模型量化
计算机图形学
计算机视觉
diffusion模型
GLSL
LoRA
Mediapipe
OpenGL

AI 估算 · 40k–70k

高级机器学习工程师，AI特效方向，核心研发岗高薪。

职位详情

关于这个职位

这是一个专注于AI视频特效与智能编辑的高级机器学习工程师职位

你将负责设计、微调并部署支持下一代视频特效和互动体验的机器学习模型，工作内容涵盖从模型训练、端侧推理优化到后端服务搭建的全链路
你将与设计和工程团队紧密合作，将前沿的AI研究转化为用户可感知的实时产品功能

最低要求

拥有计算机图形学、计算机视觉或计算机动画的学术或项目经验，熟悉以下一项或多项：数值方法、几何处理、物理仿真、角色动画、生成模型（GAN、VAE）或移动端图像处理

有实际微调并部署视觉模型的经验，尤其是面向实时或流媒体场景
熟悉 LoRA 训练、模型量化与剪枝，以及端侧推理优化方法
理解图像/视频模型与视觉渲染管线的集成方式
具备后端开发能力（如 Python 或 Go）及模型服务架构经验
熟悉计算机图形 API（如 OpenGL / OpenGLES）及 Shader 开发（GLSL / HLSL）
兼具研究探索精神与快速产品落地的思维方式
具备良好的英文沟通能力

工作职责

设计、微调并部署用于图像与视频 AI 特效的机器学习模型

构建稳健的训练流水线，支持 LoRA 微调、量化后处理及推理优化
开发并集成端侧 ML 推理能力（如MediaPipe、 CoreML、NNAPI 等），提升移动设备运行效率
搭建可扩展的后端服务，用于模型部署、特效资产管理与实时渲染
利用 Diffusion 模型、计算机视觉与 Shader 技术，原型化并验证创新 AI 特效
与设计与工程团队紧密合作，将创意想法转化为用户可交互的产品功能
跟踪生成式 ML、实时图形与视觉特效领域的行业动态，推动产品创新

优先资格

有 AI 特效工具、视频后期制作或多媒体 ML 应用经验者优先

AI 洞察

优缺点分析

优点

  • 技术栈前沿且综合，横跨AI（CV/生成模型）、图形学与工程，能构建稀缺的复合型技术能力，职业壁垒高
  • 所在行业（AI+创意工具）处于高速发展期，Canva作为全球领先的设计平台，能提供巨大的用户量级和实际业务影响力
  • 工作内容兼具研究探索性与产品落地性，既能接触最前沿的AI技术，又能看到自己的代码直接影响数亿用户，成就感强
  • 需要频繁与产品、设计等非技术团队沟通协作，将抽象的AI能力转化为具体的用户功能，对沟通和产品理解能力要求高
  • 适合那些对AI+创意应用充满热情，既具备扎实的机器学习与计算机视觉功底，又拥有强大工程实现能力和产品思维的技术人才

缺点 / 挑战

  • 技术复杂度高，需要同时精通AI算法、图形渲染和系统工程，学习压力和知识更新速度很快
  • 追求“实时”和“移动端高效”的性能目标，对模型优化和工程实现提出了极致要求，工作挑战大

角色解读

  • 技术路径上，可以从AI特效工程师成长为计算机视觉/图形学领域的专家，或向AI架构师、技术负责人方向发展，负责更复杂的技术体系
  • 业务路径上，可以深入理解视频创作与多媒体产品，向AI产品技术专家或跨职能团队的技术领头人角色发展，连接技术与用户需求
  • 你将负责AI视频特效模型的整个生命周期，包括设计、微调（特别是使用LoRA技术）、量化优化和部署上线
  • 你需要构建并维护从模型训练到端侧/后端推理的完整技术栈，确保特效功能在移动设备上高效、实时地运行
  • 你的工作是将前沿的生成式AI（如Diffusion模型）和计算机视觉技术与产品创意结合，原型并开发出新颖的AI视频编辑功能
  • 核心是计算机视觉与图形学的交叉能力，需要熟悉生成模型（GAN/VAE/Diffusion）、模型微调与优化（LoRA、量化）以及实时渲染管线
  • 必须具备扎实的工程能力，包括使用Python/Go进行后端开发、搭建模型服务架构，以及利用OpenGL/GLSL进行Shader开发
  • 需要掌握端侧AI推理框架（如MediaPipe, CoreML）的集成与优化，以保障移动端用户体验

申请策略

  • 深入了解Canva的产品，特别是其视频编辑功能，思考AI技术可以如何增强现有体验或创造新功能，在面试中展现你的产品洞察力
  • 准备用流利的英文阐述你的技术项目和想法，因为团队协作和沟通可能需要良好的英文能力
  • 重点突出与“实时视觉模型部署”和“模型优化”相关的项目经验，详细说明你如何解决性能瓶颈（如延迟、模型大小）
  • 用具体案例展示你在计算机视觉/图形学交叉领域的项目，例如使用GAN/Diffusion生成内容，或结合OpenGL/Shader进行效果渲染
  • 强调你的全栈能力，特别是后端服务开发（Python/Go）和端侧推理框架（如MediaPipe）集成经验，证明你能负责从研发到上线的全流程
  • 如果对Diffusion模型或最新的生成式AI技术不熟，建议通过开源项目（如Stable Diffusion）快速实践微调与可控生成
  • 加强对移动端AI推理优化技术（如模型量化、剪枝、特定硬件加速）的理解，可以学习TensorFlow Lite或相关框架的官方文档和案例

面试指南

  • 对于技术实现类问题，建议采用“背景-行动-结果-反思”的结构：清晰定义问题，逐步解释技术决策和具体步骤，用量化指标展示成果，并总结经验教训
  • 对于协作与产品类问题，重点展示你如何理解业务目标、如何跨团队沟通以对齐期望、以及如何用技术方案平衡用户体验、性能与开发成本
  • 请详细介绍一个你完成的计算机视觉或AI生成项目，重点说明你是如何进行模型选择、微调（是否用了LoRA）和性能优化的？
  • 当需要将一个复杂的视觉AI模型部署到移动端并保证实时性时，你会采取哪些具体的优化策略（从模型侧和工程侧）？
  • 请举例说明你如何使用OpenGL/Shader或类似技术实现过一个具体的视觉效果？这与传统的基于像素的CV处理有何不同？
  • 描述一次你与产品经理或设计师合作，将一个技术概念成功转化为用户功能的经历
  • 遇到了什么挑战，如何解决的？
  • 你如何跟踪和学习生成式AI、实时渲染等领域的最新进展？最近有哪些令你兴奋的技术或论文？

职位点评

可画 的其他在招职位

相似职位推荐

Watch Jobs