高通
Senior AI Engineer – Depth Estimation and Dense Scene Understanding
Senior AI Engineer – Depth Estimation and Dense Scene Understanding
发布于 大约 15 小时前普通员工/个人贡献者
Hsinchu City, Hsinchu City, Taiwan
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
Edge Ai
Neural Networks
Optical Flow
Pytorch
Tensorflow
Monocular Depth Estimation
Stereo Depth Estimation
AI 估算 · 35k–55k
高级AI工程师在台湾新竹，高通为跨国巨头，薪资水平较高。考虑行业竞争与技能稀缺性，月薪约35k-55k元人民币（新台币换算），年终14个月。
职位详情
关于这个职位
该职位是高通（Qualcomm）招募的高级AI工程师，专注于深度估计和密集场景理解
你将研发下一代AI模型，用于单目/立体深度估计、视频深度估计等，并需具备计算机视觉和深度学习专业知识
工作涉及前沿算法研究与边缘设备部署优化，适合热爱计算机视觉和AI技术落地的工程师
最低要求
计算机科学、工程、信息系统或相关领域学士学位，以及2年以上硬件工程、软件工程、系统工程或相关工作经验
OR
计算机科学、工程、信息系统或相关领域硕士学位，以及1年以上硬件工程、软件工程、系统工程或相关工作经验
OR
计算机科学、工程、信息系统或相关领域博士学位
工作职责
深度估计研究与开发：
设计、开发和优化最先进的AI模型，用于单目深度估计、立体深度估计、视频/多帧深度估计、密集像素深度预测、深度融合、补全和细化
开发新颖的AI架构以提高深度精度、几何一致性、边缘保持、时间一致性、跨环境泛化能力以及在挑战性视觉条件下的鲁棒性
视频理解与基于运动的学习：
开发利用视频序列中时间信息的AI模型
研究并实现涉及光流估计、时间特征融合、时间注意力机制、Video Transformers、循环和记忆架构、运动-深度-分割联合学习的技术
设计利用时间和运动线索来提高深度预测精度、增强时间稳定性、减少帧间深度/分割闪烁、改善随时间变化的场景理解、处理动态场景和物体运动的方法
优先资格
具有深度估计与视觉模型（如Depth Anything、Metric3D、UniDepth、ZoeDepth、MiDaS、RAFT、FlowFormer、DINOv2、Segment Anything等）的经验
具有视频基础模型、自监督深度学习、运动-深度联合学习、多模态视觉模型、神经渲染、NeRF、Gaussian Splatting的经验
具有在边缘设备上部署AI模型的经验
博士或硕士学历并具备相关工作经验
AI 洞察
优缺点分析
优点
- 处于计算机视觉最前沿，深度估计是自动驾驶、AR等热门领域的关键技术
- 高通作为芯片巨头，资源丰富，有机会接触从算法到硬件部署的全链路
- 团队与硬件紧密结合，能积累系统级优化经验，职业壁垒高
- 技术难度大，需要同时掌握深度学习原理和硬件知识，学习曲线陡峭
- 边缘部署对模型效率要求苛刻，调试和优化过程可能耗时较长
缺点 / 挑战
- 研发节奏快，需持续跟进学术界最新模型，有较强的科研压力
- 适合热爱计算机视觉底层算法、享受从研究到落地的挑战，且对硬件优化有兴趣的技术型工程师
角色解读
- 技术路线：资深AI工程师→首席科学家→架构师，深耕计算机视觉领域
- 管理路线：技术Lead→团队主管→研发总监，带领团队攻关项目
- 跨领域发展：转向自动驾驶、AR/VR等需要深度感知的高端应用
- 研发最前沿的深度估计模型，如单目、立体、视频深度估计，提升精度和时序一致性
- 结合光流、运动估计和语义分割，优化场景理解的鲁棒性与泛化能力
- 与硬件团队协作，将模型部署到边缘设备，平衡性能、功耗和延迟
- 精通计算机视觉和深度学习，特别是深度估计相关网络架构
- 熟悉光学流、运动建模、Video Transformers等时序处理技术
- 具备模型压缩和边缘部署经验（如量化、剪枝、硬件适配）
申请策略
- 了解高通在计算机视觉方面的产品布局（如骁龙视觉），在求职信中表达对应热情
- 如果可能，准备一份展示模型在移动端或嵌入式设备上的demo视频，更直观体现能力
- 突出深度估计相关项目经验，如自监督学习、多视角几何、时序模型等
- 强调模型部署和优化成果，如推理加速、量化、在手机/NPU上的表现
- 列出发表的论文或开源贡献，尤其是与深度、光流、视频理解相关的
- 补充边缘AI部署技能，熟悉Qualcomm Snapdragon平台的AI Engine或Hexagon DSP
- 深入理解Video Transformers和3D感知模型（如NeRF），提升竞争力
- 动手复现经典深度估计模型（MiDaS、Depth Anything等），并尝试改进
面试指南
- 对于技术原理问题：先阐述基本概念，再提出具体方法，最后说明优缺点
- 对于经验问题：使用STAR法则（情境-任务-行动-结果），量化成果
- 对于开放设计问题：明确目标，分步骤提出方案，考虑约束条件
- 请解释单目深度估计中的尺度模糊问题，并给出解决方案
- 如何设计一个网络来提升深度估计的时间一致性？
- 描述你在边缘设备上部署深度学习模型的经验，遇到哪些挑战？
- 比较MiDaS、Depth Anything和Metric3D的异同和适用场景
- 如何结合光流和深度估计来处理动态场景？
职位点评
68
综合评分
顶级芯片公司的前沿深度估计研发岗，技术成长极快，但生活平衡一般。
更适合这类人
该职位非常适合对技术成长有强烈追求、愿意投入高强度研发工作、不介意现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活40
使命价值65
薪资福利
75中等
高通作为全球芯片巨头，薪资福利在行业内具有竞争力，但JD未明确具体数字或福利，且工作地点在台湾，生活成本相对较低，整体补偿性较好。
薪资信号未披露（AI估算：35K-55K/月）
成长发展
90较高
岗位涉及深度估计最前沿技术，研究内容与业界顶级模型接轨，且有机会接触从算法到硬件部署的全链路，发展空间极大。
技术前沿前沿/新兴技术
技术栈Computer Vision、Deep Learning、Monocular Depth Estimation、Stereo Depth Estimation、Video Transformers、Optical Flow、Edge AI、NeRF
成长机会cutting-edge AI research、state-of-the-art
业务类型ambiguous
工作生活
40较低
工作地点在新竹科技园区，通常为现场办公，未提及弹性工时或远程，且半导体行业加班较常见，生活平衡一般。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
65中等
深度感知是推动自动驾驶、AR等未来技术的关键，社会价值较高；但岗位偏科研，直接社会影响力有限，意义感中等偏上。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs