传音
资深/高级影像算法工程师（AI影像）(J17595)
资深/高级影像算法工程师（AI影像）(J17595)
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Ai影像
Diffusion Model
Gan
Pytorch
图像理解
图像生成
多模态学习
模型轻量化
计算机视觉
值不值得投
75综合评分
综合评分 75
前沿AI影像算法岗，技术挑战性强，端侧落地实践机会多，适合算法工程师深度发展。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.7万
比算法优化工程师中位数高
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
4 个在招
市场机会
选择适中
深圳 · 算法优化工程师 · 40 个在招
职位详情
关于这个职位
该职位是传音手机AI影像团队的资深/高级算法工程师，专注于将前沿的计算机视觉与生成式AI算法在手机端侧进行研发与落地
工作内容涵盖多模态模型迭代、轻量化设计、AIGC内容生成与编辑方案开发，以及构建高效的人机协同数据迭代流程，旨在提升手机影像的智能化与本地化体验
最低要求
计算机相关专业、硕士及以上学历，有深度学习实际项目经验
扎实的数据结构和算法基础,熟练使用C/C++或Python，熟悉Linux开发环境，有Pytorch分布式训练经验
熟悉Diffusion Model和GAN相关生成式方案的原理，有较强的算法设计、编程实现和模型调优经验
熟悉图文多模态相关方案，如CLIP/BLIP/LLaVA, 有图像内容理解或图像检索实际落地经验的优先
熟悉模型轻量化训练与推理流程，如模型压缩，蒸馏，量化，部署等
具备钻研精神和创造力，有较强的分析问题解决问题能力，工作踏实上进，有良好的团队合作意识
有良好的英文读写能力和扎实的数学基础
工作职责
参与AI影像相关算法的研发，推动相关影像新特性在手机平台的落地
针对定制需求，完成多模态模型迭代与轻量化设计优化，目标图像内容细粒度理解方案端侧落地
对于AIGC内容生成与编辑任务, 如图像生成/图像编辑/动图生成， 针对影像本地化+细分场景业务需求，开发适配高效模型蒸馏/微调方案，保证整体方案能效领先
构建多模态细粒度影像数据的人机高效迭代方案，支撑整体AI-影像任务实施
优先资格
在顶级会议发表过学术论文者或在国际竞赛取得优异成绩者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿，直接接触并应用Diffusion Model、多模态大模型等最新AI技术，技术成长快
- 端侧落地经验稀缺，能积累宝贵的模型优化与部署经验，这是市场上的高价值技能
- 业务场景明确且贴近用户（手机影像），所做的工作能直接影响千万级用户的产品体验
- 端侧部署面临严格的功耗、算力和时延限制，模型优化难度大，对工程能力要求极高
- AI影像技术迭代迅速，需要持续学习跟进最新研究成果，保持技术敏感度
- 工作需兼顾算法先进性与产品可行性，在理想效果与工程约束间寻找平衡
- 适合对计算机视觉和生成式AI有浓厚兴趣，且乐于将前沿算法在资源受限的移动端环境中优化落地的算法工程师
- 需要兼具较强的理论研究能力和工程实现能力
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术专家路径：持续深耕AI影像算法，在多模态生成、端侧智能等领域成为行业专家
- 技术管理路径：带领算法团队，负责AI影像产品线的整体技术规划与架构设计
- 跨界发展：向AI产品经理或计算机视觉其他应用领域（如自动驾驶、AR/VR）拓展
- 负责手机端AI影像核心算法的研发，将最新的视觉算法从论文变为手机上的可用功能
- 专注于模型优化与工程部署，将复杂的AIGC和多模态模型进行轻量化，使其能在手机芯片上高效运行
- 设计并构建从数据标注、模型训练到效果评估的完整迭代流程，提升团队开发效率
- 扎实的深度学习理论基础，精通PyTorch框架，并有分布式训练实战经验
- 深入理解Diffusion Model、GAN等生成式模型原理，并具备将其工程化落地的能力
- 熟练掌握模型压缩、蒸馏、量化等轻量化技术，了解端侧部署（如NPU推理）流程
- 良好的C++/Python编码能力与算法设计功底，能解决复杂的工程实现问题
申请策略
- 深入研究传音手机的产品线和影像技术品牌（如TECNO CAMON系列的拍照特性），了解其目标市场（如非洲、南亚）的特定需求，在面试中展示你对业务的理解
- 准备一个能体现你‘从算法研究到工程落地’全过程的案例，重点讲清楚遇到的挑战和解决方案
- 重点突出在深度学习、特别是生成模型（Diffusion/GAN）和多模态模型上的项目经验与成果
- 详细描述参与过的模型轻量化、端侧部署或性能优化项目，用具体数据（如提速百分比、模型体积缩减）说明成效
- 如有在顶级会议（如CVPR， ICCV）发表的相关论文或在Kaggle等竞赛中的优异成绩，务必重点展示
- 系统复习并实践模型轻量化技术，如知识蒸馏、量化（INT8）、剪枝，并尝试在手机框架（如TensorFlow Lite， Core ML）上进行简单部署
- 深入阅读CLIP、BLIP、LLaVA等多模态模型的论文和开源代码，理解其架构与训练方法
- 了解主流手机芯片（如高通骁龙、联发科天玑）的NPU架构和AI算力特点
面试指南
- 对于技术原理问题，先阐述核心概念，再结合实际应用或优化经验进行展开，体现理论与实践的结合
- 对于项目经验问题，使用STAR法则（情境-任务-行动-结果）来结构化回答，突出你的思考过程和最终带来的量化提升
- 对于开放性设计问题，先明确核心目标和约束条件（如算力、时延），然后提出分步骤的解决方案框架，并考虑可扩展性和容错性
- 请介绍一个你做过的模型轻量化项目，如何平衡精度与效率？遇到了哪些挑战？
- 对于CLIP这类图文多模态模型，你认为将其部署到手机端会面临哪些主要困难？
- 如何设计一个高效的影像数据人机协同标注与迭代方案？
- 请描述一下Diffusion Model的基本原理，并谈谈如何对其采样过程进行加速
- 你在过往项目中是如何进行算法性能评估的？主要关注哪些指标？
职位点评
薪资福利75
成长发展90
工作生活50
使命价值80
薪资福利
75中等
该职位薪资估算具有市场竞争力，但JD未明确薪资范围和具体福利，补偿性动机的满足程度部分依赖于后续沟通确认。
薪资信号未披露（AI估算：2.8千–4.5万/月）
成长发展
90较高
该职位要求掌握前沿AI技术并完成端侧落地，提供了深度的技术挑战和明确的技能成长路径，发展性动机能得到极好的满足。
技术前沿前沿/新兴技术
技术栈Diffusion Model、GAN、CLIP、BLIP、LLaVA、Pytorch、模型蒸馏、模型量化、多模态学习
成长机会参与研发、推动落地、迭代与优化
业务类型profit_center
工作生活
50较低
JD未明确说明工作模式、办公地点具体位置及工作时间安排，因此工作与生活的平衡情况无法从文本中判断。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
AI影像是消费电子领域的重要创新方向，将前沿技术应用于大众产品能带来直接的成就感，使命感较强。
行业发展高速增长赛道
社会影响中性/一般
使命信号推动相关影像新特性在手机平台的落地
创新程度积极采用新技术
Watch Jobs