【REDstar】图像增强算法工程师

优缺点分析

角色解读

• 技术专家路线：深耕图像/视频算法，逐步成为领域专家
• 技术管理路线：带领小团队负责算法方向，成长为技术 Leader
• 跨领域发展：向视频编解码、多模态、生成式 AI 等方向拓展
• 研究音视频、图像增强等前沿 AI 算法，并尝试将其落地到小红书的产品中
• 参与视频图像质量评估、智能编码、智能抽帧等具体技术方向的研发
• 撰写论文和专利，保持算法在学术界的领先水平
• 扎实的计算机视觉和图像处理基础，熟悉深度学习框架（如 PyTorch、TensorFlow）
• 较强的编程能力，熟练使用 Python 和 C++
• 独立开展研究的能力，有顶级会议论文发表经验者优先
• 良好的沟通和团队协作能力，对前沿技术有热情

申请策略

• 关注小红书校招官网和宣讲会，提前投递
• 在简历和面试中展示对图像/视频增强技术的热情和见解
• 突出相关项目经验：如视频质量评估、图像增强、超分辨率等方向
• 列出学术成果：已发表或投稿的论文、专利等
• 展示编程能力：重要代码库或开源贡献
• 强调比赛成绩：CV 相关竞赛（如 Kaggle、CVPR 挑战赛）的获奖经历
• 系统复习计算机视觉和深度学习经典论文，尤其是 CVPR/ICCV 文章
• 动手复现经典算法，熟悉 PyTorch 等框架

面试指南

• 要清晰陈述问题背景、现有方法、自己的改进思路与实验结果
• 由浅入深，先讲基础方法再讲创新点，并说明其适用场景
• 结合工业落地考量，比如计算资源、实时性等
• 请介绍一下你做过的一个图像增强项目，包括方法和效果
• 你如何看待视频图像质量评估的挑战？有哪些主流方法？
• 假设你有一个低分辨率视频，如何用深度学习提高清晰度？请从模型设计和训练角度回答
• 你读过哪些经典的 CV 论文？请复述一篇并评价其优缺点
• 如果让你设计一个智能抽帧算法，你会考虑哪些因素？