百度
视频视觉算法工程师（J102248）
视频视觉算法工程师（J102248）
发布于 大约 19 小时前普通员工/个人贡献者
北京市 / 上海市
高级经验
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
Controlnet
Diffusion Model
Dit
Dpo
Gan
Ip-Adapter
Lora
Vae
Wan
AI 估算 · 30k–60k
高级算法工程师，技术壁垒高，市场稀缺，百度大厂薪资有竞争力，估算月薪3万-6万。
职位详情
关于这个职位
该职位主要负责研发电商场景下的图片和视频生成与理解模型，基于开源基模和后训练算法构建智能体（Agent），应用于数字人直播和短视频生成
同时，需要研发多模理解Agent，实现商品理解、人物动作表情分析以及分镜脚本智能生成
此外，还需优化视频分割、风格迁移等算法，降低生成成本，提升效率，并与产品和工程团队协作，拓展技术应用规模
最低要求
深入理解GAN、 VAE、Diffusion Model/CFM等视觉生成技术，精通DPO、LORA、蒸馏等训练方法，有成功的模型算法优化和应用经验
有3D人脸建模，talking-head生成，唇驱等数字人相关技术背景尤佳
熟悉Wan、CogVideoX等开源视频生成基座模型，精通DiT和mmDiT架构，了解可控生成技术和应用，如ControlNet，IP-adapter等
CV相关领域3年以上经验，具有扎实的算法理论和研发基础，熟练掌握常用CV算法和工具（分类、分割、超分等）
有顶会论文优先
具有AIGC电商带货，广告营销或AI短剧相关项目背景，对分镜语言、剪辑节奏有技术审美者优先
勤于钻研前沿技术，具备较强的自学能力，能够将技术应用到具体业务上
工作职责
基于开源基模和后训练算法，研发电商场景图片和视频生成与理解模型，基于商用和自研模型构建Agent，应用到电商数字人直播，短视频生成
研发多模理解Agent，应用于多模商品理解，视频人物动作、表情理解
构建分镜脚本智能生成系统，支持基于商品卖点或剧情梗概自动输出专业分镜方案
研发视频人物和背景分割、风格迁移等相关算法，结合电商数字人带货场景做极致算法性能优化，降低生成成本、提升生成效率
协同产品和运营持续提升产品能力，拓展技术应用规模，协同工程架构提升视频产能
优先资格
有3D人脸建模，talking-head生成，唇驱等数字人相关技术背景
有顶会论文优先
具有AIGC电商带货，广告营销或AI短剧相关项目背景，对分镜语言、剪辑节奏有技术审美者优先
AI 洞察
优缺点分析
优点
- 站在AIGC浪潮前沿，技术含金量高，接触最新Diffusion Model和视频生成技术
- 百度大厂平台，资源丰富，业务场景（电商数字人直播）明确，技术落地机会多
- 团队技术氛围浓厚，有顶会论文发表机会，个人成长快
- 薪资待遇丰厚，大厂福利完善
- 对跨领域能力要求高（算法+工程+产品理解），需要与多方协作沟通
- 适合对AIGC视觉生成有浓厚兴趣、具备扎实算法功底和钻研精神，且希望在电商领域深耕的技术人才
缺点 / 挑战
- 技术难度高，需要持续跟进前沿论文并快速落地，学习压力大
- 电商场景对生成质量和速度要求苛刻，需要不断优化算法，工作强度可能较高
角色解读
- 在视觉生成领域持续深耕，成为该领域的专家，或转向更前沿的多模态理解和生成研究
- 可晋升为技术Leader，带领团队攻克更复杂的生成任务，或转向AI产品架构师方向
- 积累电商场景经验后，可横向扩展到其他AIGC应用领域，如广告、影视、游戏等
- 研发电商场景下的图片和视频生成与理解模型，应用Diffusion Model等前沿技术提升生成质量
- 构建多模理解智能体，实现商品、人物动作和表情的自动分析，并生成分镜脚本
- 优化视频分割、风格迁移等算法，降低数字人直播和短视频的生成成本，提升效率
- 与产品和工程团队协作，将算法落地到实际业务中，推动技术规模化应用
- 精通GAN、VAE、Diffusion Model等视觉生成技术，以及DPO、LORA、蒸馏等训练方法
- 熟悉Wan、CogVideoX等开源视频生成模型，掌握DiT和mmDiT架构
- 具备3年以上CV相关经验，扎实的算法基础和常用工具使用能力
- 有AIGC电商、广告营销或AI短剧项目背景者优先，需对分镜和剪辑有技术审美
申请策略
- 面试前深入了解百度的AIGC电商业务，思考如何将自身技术与业务结合
- 关注百度在数字人领域的布局，展现对应用场景的理解和热情
- 突出在GAN/VAE/Diffusion Model上的项目经验，特别是模型优化和落地效果
- 强调在视频生成、数字人或电商相关领域的成果，如发表的顶会论文、线上产品应用
- 展示对开源模型（如CogVideoX、Wan）的使用或改进经验，以及技术博客等
- 若对视频生成模型不熟悉，建议提前学习DiT架构和可控生成技术（ControlNet等）
- 补充多模态理解知识，了解Agent构建方法，有助于面试表现
面试指南
- 先阐述理论知识，再结合自身项目经验，最后给出具体改进措施或对比
- 从业务需求出发，分析技术选型的利弊，体现工程化思维
- 请详细讲解Diffusion Model的原理，并介绍你如何优化它用于视频生成
- 比较Wan和CogVideoX的架构差异，你更倾向于使用哪个？为什么？
- 你如何看待DPO和LORA在生成模型中的作用？请举例说明
- 描述一个你主导的AIGC项目，从算法选型到落地的全过程
- 在电商数字人直播场景中，如何平衡生成质量和实时性？
- 复习GAN、VAE、Diffusion Model的核心公式和训练技巧，尤其是视频生成相关
职位点评
74
综合评分
顶级大厂AIGC算法岗，技术前沿薪资高，但WLB一般需现场办公。
更适合这类人
最适合追求技术成长和前沿探索、对薪资有较高期望，且能适应高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展90
工作生活50
使命价值70
薪资福利
85较高
百度作为大厂提供有竞争力的薪资和完善福利，但具体薪资未明示，估算偏高。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
职位涉及前沿AIGC技术，有顶会论文机会，成长空间大，但JD未明确晋升通道。
技术前沿前沿/新兴技术
技术栈GAN、VAE、Diffusion Model、DiT、ControlNet、Talking-head
业务类型profit_center
工作生活
50较低
需在北京/上海现场办公，未提及弹性或远程，大厂算法岗通常工作强度较高。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
AIGC电商属于高速增长赛道，技术驱动提升效率，但社会影响力有限。
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