AI 实习生-计算机视觉算法（云端大模型）

优缺点分析

角色解读

• 实习期间积累大模型、3D视觉等前沿技术经验，为后续校招或深造奠定基础
• 表现优秀可获得转正机会，正式加入大疆算法团队，参与核心产品研发
• 未来可向高级算法工程师、技术专家或团队负责人方向发展，在AI与机器人领域持续深耕
• 参与多传感器（鱼眼、IMU、LiDAR等）的时空对齐算法开发，实现精确的数据融合
• 研发4D时空场景重建算法，优化动态目标轨迹和时序一致性，提升场景复用率
• 参与3D高斯泼溅（3DGS）和Mesh处理算法的研发及云端工程化落地
• 利用生成模型构建多样化仿真场景，覆盖极端天气、突发事故等，并优化场景真实性与可控性
• 扎实的编程能力，熟练使用C++和Python进行开发
• 深入理解计算机视觉和深度学习基础，熟悉PyTorch或TensorFlow框架
• 掌握SFM、SLAM、VIO等多视图几何或视觉重建技术中的至少两项
• 了解生成模型（GAN、Diffusion、Transformer）或3DGS技术者优先

申请策略

• 在申请材料中表达对空间智能、无人机技术的热情，以及希望将算法落地到实际产品的意愿
• 提前了解大疆的实习招聘流程，通常有笔试和两轮技术面试，建议刷一些LeetCode算法题
• 突出计算机视觉相关的项目或研究经历，尤其是多视图几何、SFM、SLAM、3D重建等领域
• 强调编程能力，列出C++和Python的实际项目经验，最好有GitHub或个人代码库
• 如有生成模型或3DGS相关经验，务必详细描述，这是优先加分项
• 展示数理基础，如数学建模竞赛、论文发表、课程成绩等
• 复习多视图几何、SFM、SLAM等基础知识，如果有时间可以复现经典算法
• 学习PyTorch或TensorFlow，尝试在3D重建或生成模型方向做一个小项目

面试指南

• 对于概念类问题，先给出简洁定义，再对比异同，最后结合实际应用举例
• 对于项目类问题，采用STAR法则：背景、任务、行动、结果，重点突出技术难点和你的贡献
• 对于开放性问题，展现你的思考过程，从多个维度分析，并给出有依据的结论
• 请解释SFM和SLAM的区别与联系？
• 描述一下你参与过的计算机视觉项目，遇到的最大挑战是什么？如何解决的？
• 你对3D Gaussian Splatting了解多少？它的原理和优缺点是什么？
• 如何评估一个生成场景的真实性？有什么评价指标？
• 手写代码：实现一个简单的图像特征匹配算法（如SIFT匹配后的RANSAC）