计算机视觉算法实习生 / Summer Intern- Computer Vision Algorithm （厦门）

优缺点分析

角色解读

• 从实习到正式算法工程师，参与核心影像技术研发，积累生成式 AI 落地经验
• 可向高级算法专家或技术管理方向发展，或在 AIGC 方向深耕成为领域专家
• 表现优秀有留用机会，借助公司平台和业务场景快速成长
• 跟踪 CV/AIGC 前沿论文，探索图像/视频生成、编辑、增强等算法的落地机会
• 参与 Diffusion Models、GAN、ViT 等模型的训练、微调和优化，推动产品功能上线
• 针对真实场景设计算法方案，提升效果、效率和鲁棒性，输出 Demo/SDK
• 撰写专利或论文，沉淀研究成果
• 扎实的 Python 编程能力，熟悉 PyTorch 等框架，能快速实现模型
• 掌握至少一个 CV 子领域，如图像生成、分割、目标检测、人脸/人体或视频处理
• 具备良好的数学基础（线性代数、概率论等）和工程实现能力
• 对 AIGC 前沿保持热情，会使用 AI 提效工具，习惯看论文复现

申请策略

• 提前了解美图旗下产品（美图秀秀、美颜相机等）的影像功能，面试中可结合业务场景谈算法落地
• 申请时明确标注暑期实习及可实习时长，让 HR 快速判断匹配度
• 重点突出 CV 相关研究或项目经验，尤其是图像生成、分割、检测等方向的成果
• 如果有论文发表（如 CVPR、ICCV、NeurIPS），或 GitHub 开源项目，务必醒目展示
• 强调 Python/PyTorch 的熟练度，以及模型训练、调优的具体案例
• 展示对 AI 工具的熟练使用和对 AIGC 前沿的关注，体现技术热情
• 系统复习 PyTorch 和深度学习基础，尝试复现一篇 Diffusion 或 ViT 论文
• 了解 C++ 基础，为工程化加分准备

面试指南

• 用 STAR 法则讲项目：背景、任务、行动、结果，突出你的贡献和思考
• 技术问题先讲原理，再结合实际场景谈取舍，体现工程意识
• 展示持续学习的方法，例如读论文、复现代码、参与社区讨论
• 介绍一下你做过的一个 CV 项目/研究，包括遇到的问题和解决方案
• Diffusion Models 相比 GAN 有哪些优缺点？如何选择？
• 如何评估一个图像生成模型的效果？有哪些指标？
• 如果要在手机端部署一个图像编辑模型，你会考虑哪些优化？
• 如何跟踪最新 AIGC 研究？最近关注哪些工作？