阿里巴巴
智多星-可控视频生成（白模方向）
智多星-可控视频生成（白模方向）
发布于 2 小时前实习/见习
实习生仅现场办公AI算法
AI算法
Pytorch
三维重建
多模态学习
扩散模型
视频生成
计算机视觉
值不值得投
80综合评分
综合评分 80
顶尖大厂前沿AI研究实习，技术成长极快，挑战与机遇并存
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
6.0千
比AI算法中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 4960 个在招 · 其中AI算法 70 个
市场机会
选择面较广
杭州 · AI算法 · 80 个在招
职位详情
关于这个职位
该职位专注于可控视频生成领域，特别是基于白模（White Model）的参考素材构造与生成研究
主要工作包括探索从目标成片构建白模视频/参考图的方法、研究视频转白模的模型微调技术、实现人物身份保持与参考图生成，以及探索基于Agent控制Blender进行三维场景搭建与渲染的新方法
最低要求
计算机、人工智能、计算机视觉、计算机图形学等相关专业硕士或博士在读
具备扎实的机器学习基础，熟悉Python与PyTorch，能够阅读研究代码、复现论文方法并开展实验
了解Transformer、扩散模型或多模态模型的基本原理，有模型训练或微调经验者优先
在视频生成与编辑、人物分割与跟踪、三维重建、相机运动估计等至少一个方向具有课程、科研或项目经验，愿意探索跨帧身份保持、空间结构还原及视频时序一致性等问题
对大模型驱动的三维内容生成与工具调用有兴趣，愿意使用Blender开展研究验证
了解Blender Python API、程序化建模、动画制作，或有Agent、代码生成及Prompt实验经验者优先
具备良好的论文阅读、问题分析与实验设计能力，能够在指导下完成文献调研、方法实现、对比实验和结果分析
有较强的自驱力，能够清晰记录研究过程并主动沟通发现
有相关科研项目、开源贡献、论文投稿或发表经历者优先，不要求已有论文成果
能够持续投入研究实习、推进完整实验周期者优先
工作职责
参与视频生成模型的参考素材构造研究：探索从目标成片构建白模视频与参考图的方法，形成“参考素材—目标视频”配对数据，研究空间关系、运镜路径、时间节奏及人物形象等参考信息对视频生成可控性的作用
参与基于视频生成模型的视频转白模研究：探索模型微调与数据构造方法，在简化视频外观和材质的同时，保留场景布局、人物运动与镜头变化
通过对比实验与消融分析，提升转换结果的结构一致性和时序稳定性
参与人物身份保持与参考图生成研究：结合人物分割、跨帧跟踪及重识别方法，为主要人物建立稳定的身份标识，实现同一人物在白模中颜色一致、不同人物颜色可区分
探索通过主体提取与图像生成构造参考图，保持人物外观及关键场景信息的一致性
探索基于agent控制Blender的白模视频生成方法：研究如何将视频中的场景、人物动作、相机运动与时间节奏转化为可执行的三维配置，通过脚本生成与工具调用完成场景搭建、动画编排和渲染，沉淀可复用的Skill与指令Prompt
参与评测方法设计与研究验证：围绕空间布局、运镜轨迹、动作节奏及人物一致性构建评测方案，比较模型微调与Blender生成两条路线的效果、成本和适用范围，并通过下游视频生成实验验证参考数据的训练价值
AI 洞察
优缺点分析
优点
- 接触阿里最前沿的AIGC技术栈，包括视频生成和三维重建
- 拥有强大的计算资源和数据支持，便于开展大规模实验
- 团队氛围开放，鼓励创新和技术分享，有助于快速成长
- 表现优异者有机会获得转正Offer或长期合作机会
- 技术门槛高，需要深厚的理论基础和编程能力
- 适合对AI前沿技术充满热情、具备扎实科研基础和动手能力的计算机相关专业硕博学生
缺点 / 挑战
- 研究性质强，可能需要面对实验结果不确定性的挑战
- 竞争激烈，对候选人的科研潜力和项目经验要求较高
角色解读
- 深入掌握AIGC前沿技术，特别是在视频生成和三维内容创作领域
- 积累高质量的科研产出，如顶会论文或开源项目贡献
- 向高级算法研究员或AI产品经理方向发展，具备独立主导复杂AI项目的能力
- 研究如何从现有视频中提取白模结构和参考信息，用于增强视频生成的可控性
- 开发模型微调和数据构造方法，实现视频到白模的高质量转换
- 探索利用Agent和Blender自动化生成三维场景和白模视频的技术路径
- 设计评测体系，验证不同技术方案在空间、时序和人物一致性上的效果
- 扎实的机器学习基础，精通Python和PyTorch框架
- 熟悉Transformer、扩散模型等主流生成式AI架构原理
- 具备计算机视觉领域的项目或科研经验，如视频生成、三维重建或人物跟踪
- 了解Blender及其Python API，对Agent控制和程序化建模有兴趣
申请策略
- 准备详细的项目介绍，重点说明你在其中解决的具体问题和采用的技术方案
- 关注阿里达摩院或通义实验室的最新研究成果，展现你对领域的深入了解
- 突出相关的科研项目经历，特别是视频生成、三维视觉或多模态学习方面的成果
- 强调Python和PyTorch的熟练程度，以及复现论文或开发模型的经验
- 展示任何与Blender、Agent或程序化建模相关的实践经历
- 如有论文发表、开源贡献或竞赛获奖，务必重点标注
- 深入学习扩散模型和Transformer在视频生成中的应用
- 熟悉Blender Python API，尝试编写脚本自动化三维场景构建
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经历问题
- 对于技术问题，先阐述基本原理，再结合具体应用场景进行分析
- 展示解决问题的思路和方法论，而不仅仅是最终结果
- 体现对技术局限性的认知和对未来改进方向的思考
- 请详细介绍你过往在视频生成或三维视觉方面的项目经历
- 你是如何实现人物身份保持的？遇到了哪些挑战？
- 请解释一下扩散模型的基本原理及其在视频生成中的应用
- 如果让你设计一个基于Agent控制Blender的系统，你会如何规划？
职位点评
薪资福利75
成长发展95
工作生活60
使命价值85
薪资福利
75中等
作为知名大厂实习生，提供具有竞争力的实习津贴和完善的福利保障，满足基本的经济需求。
薪资信号未披露（AI估算：4.0–8.0千/月）
成长发展
95较高
职位聚焦于视频生成、三维视觉等前沿AI领域，提供极高的技术成长空间和科研产出机会。
技术前沿前沿/新兴技术
技术栈视频生成、PyTorch、扩散模型、Transformer、Blender、Agent
成长机会导师制、内部培训、晋升通道
业务类型profit_center
工作生活
60中等
虽然是大厂平台，但研究型岗位通常面临较高的智力挑战和项目压力，WLB取决于具体项目组节奏。
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
85较高
致力于推动AIGC技术发展，提升视频创作效率和质量，具有显著的行业创新价值和社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs