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

• 实习期积累工业级模型训练和部署经验，有机会发表论文或专利
• 表现优秀可获转正，成为正式算法工程师，深入参与核心产品研发
• 长期可向高级算法专家或技术管理方向发展，或专注特定领域（如生成式AI）
• 跟踪并探索计算机视觉与AIGC前沿技术，参与图像/视频生成、编辑、增强等核心算法的研究与开发
• 设计、训练和优化视觉模型（如Diffusion Models、GAN、ViT），并将其部署到实际产品中
• 针对具体业务场景，提升算法效果、效率和鲁棒性，并输出Demo或SDK供产品迭代
• 扎实的深度学习与计算机视觉基础，熟悉PyTorch等主流框架
• 熟练掌握Python编程，具备良好的数学和算法能力
• 对AIGC领域有浓厚兴趣，主动追踪前沿研究并尝试复现

申请策略

• 在简历和面试中展现对AIGC领域的热情，如主动复现最新论文或参与相关竞赛
• 了解美图的产品线（如美图秀秀、美颜相机），思考如何将技术应用于实际场景
• 突出CV相关项目或研究经历，尤其是图像生成/编辑/分割等子方向
• 详细描述在PyTorch等框架下的模型训练和优化经验，最好有量化成果
• 若有论文发表或开源贡献，务必醒目展示
• 提前复习Diffusion Models、GAN、ViT等前沿模型原理和代码实现
• 熟悉Python和PyTorch的调试技巧，了解C++加分但非必须

面试指南

• 技术原理题：先概述核心概念，再结合实际项目经验展开，最后对比其他方法
• 项目经历题：按STAR法则（情境-任务-行动-结果）结构化陈述，突出个人贡献和难点解决
• 开放性问题：展示行业认知和思考深度，结合美图业务提出具体应用方向
• 请解释Diffusion Models的基本原理及其与GAN的区别
• 你如何评估一个图像生成模型的效果？有哪些常用指标？
• 描述一次你训练CV模型并优化性能的经历，遇到了哪些挑战？
• 你如何看待AIGC在影像领域的应用前景？
• 请用PyTorch实现一个简单的图像分类网络并说明各组件作用