中/高级多媒体算法工程师（计算摄影）

优缺点分析

角色解读

• 向高级算法专家或技术负责人方向发展，主导核心影像技术攻关
• 横向拓展至计算机视觉其他方向（如3D重建、AR/VR），或转向系统架构设计
• 在影像算法领域积累多年后，可晋升为团队Leader或首席工程师
• 设计并开发图像处理与计算摄影算法，包括多视图几何、视频增稳、图像拼接等核心模块
• 基于深度学习优化图像/视频处理效果，提升产品在成像上的竞争力
• 参与相机系统的调试与优化，将算法落地到产品级芯片或功能中
• 扎实的C/C++与Python编程能力，能够高效实现复杂算法
• 深厚的图像处理理论基础，熟悉ISP pipeline、传感器与镜头原理
• 有深度学习在图像/视频处理中的应用经验，如视频增稳、光流估计

申请策略

• 了解大疆各产品线（无人机、手持相机等）的影像特点，在面试中展示你对产品端的理解
• 准备一两个完整的算法落地案例，从问题定义到最终效果对比，突出工程化能力
• 重点突出图像处理、计算摄影或视频增稳相关的项目经验，尤其是产品级落地案例
• 强调C/C++编程能力，可附上GitHub或开源贡献链接
• 如有ISP调试、相机系统优化经验，务必单独列出
• 熟悉深度学习在图像增强、超分、去噪等方向的最新进展，如Transformer-based模型
• 补充多视图几何与三维视觉的基础知识，如标定、SFM等

面试指南

• 对于项目经验问题，采用STAR法则：背景-任务-行动-结果，重点突出个人贡献和量化成果
• 对于算法原理问题，先给出经典方法，再对比现代方法，最后结合实践分享经验
• 请详细讲解你过去在图像处理或计算摄影相关项目中的工作流程与技术难点
• 如何评估一个视频增稳算法的性能？有哪些关键指标？
• 描述ISP pipeline中降噪、去马赛克等模块的算法原理及优化思路
• 如果用CNN做光流估计，与传统方法相比有哪些优缺点？
• 在资源受限的嵌入式平台上部署深度学习模型，你会如何优化？
• 复习图像处理经典算法（如SIFT、HOG、光流、图像配准）并掌握其数学推导