小米
顶尖应届-影像大模型算法工程师-相机
顶尖应届-影像大模型算法工程师-相机
发布于 大约 16 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
博士
研究与开发 (研发)
深度学习
PyTorch
计算机视觉
图像处理
TensorFlow
模型蒸馏
视觉大模型
端侧优化
Flux
AI 估算 · 30k–50k
博士应届顶尖人才，小米上海算法岗，大模型方向薪资较高，市场竞争力强。
职位详情
关于这个职位
作为小米影像团队的顶尖应届算法工程师，你将专注于视觉大模型在手机相机领域的研发与落地
工作内容包括跟踪前沿技术、设计影像算法、优化模型性能，并推动端侧部署，提升旗舰机型的拍照体验
这是一个将前沿AI技术转化为实际产品的高挑战职位
最低要求
学历与专业：计算机、人工智能等相关专业博士学历
研究方向为计算机视觉、图像处理、模式识别、深度学习、视觉大模型、多模态模型等
大模型能力：精通大模型训练范式与开发流程，对大模型预训练、后训练、强化学习（RLHF/RL）、Agent体系等具备深入理解与成熟项目经验
影像算法背景：具备扎实的手机影像知识，熟悉基础画质、场景理解等核心模块
了解 ISP 流程与图像后处理算法，包括但不限于去噪、超分辨率、HDR、人像虚化（Bokeh）等
模型与工程能力：熟练使用 PyTorch / TensorFlow 等深度学习框架
深入理解 Stable Diffusion、FLUX 等主流视觉大模型及多模态模型
精通模型蒸馏、剪枝、量化等小型化与端侧优化技术
开发基础：熟练掌握 C/C++、Python 编程语言
熟悉 Linux 开发环境，能熟练使用 Git、CMake 等工程化工具
工作职责
跟进视觉大模型前沿技术动态，开展行业技术调研、方向探索与算法可行性验证
负责手机相机影像核心功能的方案定义、算法设计、模型研发与持续迭代优化
推进前沿技术向相机端侧功能落地，支撑旗舰机型量产交付，完成技术能力商业化落地与价值转化
参与研发体系、训练推理框架、数据平台及工程基建的搭建与优化，提升整体研发效率
沉淀核心技术与创新成果，推动技术学术化输出，产出高价值、行业级科研成果与技术专利
优先资格
加分项：具备传统计算机视觉理论与实践经验优先
在 CVPR / ICCV / ECCV / NeurIPS 等顶会或顶刊发表论文者优先
在国际权威算法竞赛中取得优异成绩者优先
AI 洞察
优缺点分析
优点
- 聚焦前沿的视觉大模型技术，技术含量高，成长空间大
- 小米旗舰手机项目，算法直接落地亿级用户，影响力强
- 团队技术氛围浓厚，鼓励学术产出，利于个人品牌建设
- 博士应届入职，需要快速将学术能力转化为工程落地能力
- 手机影像算法对性能要求苛刻，端侧优化难度大
缺点 / 挑战
- 项目节奏快，可能需要应对多型号交付的压力
- 适合对视觉大模型有深入研究的博士应届生，渴望将技术落地到极致产品中，并愿意接受高强度技术挑战的人
角色解读
- 技术专家路线：深入影像算法和大模型领域，成为行业顶尖
- 技术管理路线：带领团队负责影像核心模块的研发
- 学术转化路线：产出高水平论文和专利，提升行业影响力
- 跟踪视觉大模型前沿技术，进行技术调研和算法可行性验证
- 定义手机相机影像核心功能，设计并优化算法模型
- 将前沿算法部署到端侧，支撑旗舰机型量产交付
- 参与训练推理框架和工程基建的搭建，提升研发效率
- 精通大模型训练范式，包括预训练、后训练、强化学习等
- 扎实的手机影像算法知识，熟悉ISP流程和图像后处理算法
- 熟练使用PyTorch/TensorFlow，熟悉Stable Diffusion、FLUX等模型
- 掌握模型小型化技术（蒸馏、剪枝、量化）和端侧优化
申请策略
- 在简历中体现对小米相机产品的了解，可附上相关竞品分析或改进想法
- 准备一个完整的端到端项目案例，从模型训练到端侧部署的实践
- 突出博士期间在视觉大模型、多模态方向的研究成果，包括论文、项目
- 强调相关实习或项目中的算法落地经验，尤其是端侧优化
- 列出掌握的技术栈，如PyTorch、TensorFlow、Stable Diffusion等
- 展示编程能力（C++/Python）和工程化工具使用（Git、CMake）
- 补充手机影像算法知识，如ISP流程、去噪、HDR等
- 强化模型小型化技术实践，尤其是端侧推理框架（如MNN、NCNN）
面试指南
- 技术类问题：先阐述原理，再结合实际项目经验，最后提出优化方向
- 落地类问题：强调从学术到工程的转化思路，考虑性能、功耗、鲁棒性
- 如何将Stable Diffusion模型部署到手机端？需要哪些优化？
- 请描述在无监督/弱监督下进行图像去噪的思路
- 你如何平衡模型效果与推理速度？具体采用过哪些方法？
- 讲述一个你在强化学习（RLHF）项目中遇到的最大挑战和解决方案
- 解释HDR算法中的多重曝光融合原理，以及如何用深度学习改进？
- 复习视觉大模型最新论文（例如SD3、FLUX等），理解其训练和推理细节
匹配度报告
66
综合匹配度
顶尖博士应届生顶级发展机会，前沿大模型技术，薪资高但工作强度大。
适合人群
最适合追求技术成长和前沿研究的求职者，愿意投入高强度工作以换取职业快速提升。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利60
成长发展95
工作生活40
使命价值70
薪资福利匹配
60中等
薪资处于市场较高水平，但具体数额未披露，福利未提及。作为博士应届生，薪资有竞争力但存在不确定性。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
95较高
技术前沿性极强，聚焦视觉大模型，提供学术产出机会，成长空间大。
技术前沿前沿/新兴技术
技术栈视觉大模型、多模态模型、Stable Diffusion、FLUX、强化学习、模型蒸馏、剪枝、量化
成长机会技术学术化输出、高价值科研成果、技术专利
业务类型profit_center
工作生活匹配
40较低
仅现场办公，未提及弹性工作或WLB，可能面临较大工作强度。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
手机影像技术直接提升用户体验，行业前景好，但社会影响力中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs