ISP Tuning高级/资深工程师

优缺点分析

角色解读

• 纵向可发展为ISP算法专家或首席科学家，深耕计算机视觉与自动驾驶感知底层技术
• 横向可向自动驾驶感知算法负责人、相机系统架构师或技术管理岗位转型
• 负责相机ISP全模块（AE、AWB、Gamma、降噪等）的调试与画质优化，解决相机相关的画质问题
• 搭建AI ISP训练框架，维护Cmodel和Pytorch model，并负责Auto tuning工具的开发与升级
• 对接客户与项目需求，进行ISP相关的相机驱动验证，撰写算法设计文档
• 精通ISP tuning及算法开发，熟悉主流Sensor工作原理及高通ISP pipeline和调试工具
• 熟练掌握Python/PyTorch、C/C++等编程语言，具备独立完成自动化工具开发和AI ISP架构设计的能力
• 具备优秀的跨部门沟通协作能力与抗压能力，能够独立推进项目落地

申请策略

• 准备一份包含实际画质优化前后对比（Before/After）的作品集或技术文档，直观展示你的调优能力
• 了解初速度在自动驾驶领域的最新产品动态和技术路线，面试时结合其业务场景阐述你的技术价值
• 突出在高通平台或主流Sensor上的ISP全模块调优经验，特别是AE/AWB/降噪等复杂场景的画质优化案例
• 详细展示AI ISP训练框架搭建、Auto tuning工具开发或Cmodel/Pytorch model维护的具体项目成果
• 强调跨部门对接客户需求的经验，以及使用Python/C++开发自动化工具提升团队效率的实际案例
• 深入学习基于深度学习的AI ISP算法（如基于神经网络的降噪、HDR合成等），了解最新的学术界与工业界进展
• 熟悉自动驾驶感知系统对图像质量的具体需求，理解ISP调优如何影响下游的3D感知与目标检测算法

面试指南

• STAR法则：针对项目经验问题，按照情境(Situation)、任务(Task)、行动(Action)、结果(Result)结构化回答，突出数据指标（如效率提升百分比、画质评分提升）
• 技术深度+业务价值：在回答技术问题时，不仅讲算法原理，还要结合自动驾驶业务场景，说明该优化对下游感知算法的实际收益
• 请详细描述你在高通平台上进行ISP全模块调优的流程，遇到过最复杂的画质问题是什么，如何解决的？
• 你是如何搭建AI ISP训练框架的？在性能优化和模型部署方面做了哪些工作？
• 针对自动驾驶场景（如逆光、夜间、雨雪），ISP调优策略与传统手机相机有何不同？
• 请分享一个你独立开发的自动化工具或Auto tuning工具，它解决了什么痛点，提升了多少效率？
• 复习高通ISP pipeline架构、3A算法（AE/AWB/AF）原理及主流Sensor的底层工作机制
• 准备1-2个具有技术深度的项目案例，重点梳理其中的技术难点、你的解决思路以及最终的业务收益