算法工程师-计算机视觉（AIGC方向）

优缺点分析

角色解读

• 技术线：算法工程师 → 高级算法专家 → 技术Leader/科学家
• 业务线：深入视频内容智能领域，可转型为AI产品架构师或技术总监
• 跨领域：积累AIGC经验后，可向自动驾驶、元宇宙等相邻领域拓展
• 负责图像/视频的分析、诊断、合成、编辑等算法研发，并应用到优酷的海量内容中
• 参与多模态大语言模型的有监督微调，提升模型对视频内容的理解与生成能力
• 探索图像/视频/3D生成和可控编辑的前沿技术，推动AIGC在视频平台上的创新应用
• 扎实的工程实现能力，精通C++/Python等语言，具备高性能代码开发经验
• 深厚的计算机视觉和机器学习理论基础，有顶级会议论文发表或竞赛获奖经历
• 熟悉图像/视频处理、生成模型（如GAN、Diffusion）、多模态大模型及3D生成技术

申请策略

• 了解优酷视频内容特点（长视频、综艺、剧集），思考如何用AIGC提升内容生产或用户体验
• 关注阿里云及达摩院的相关技术，在面试中展示对业务的理解
• 突出顶会论文（如CVPR, ICCV）、竞赛获奖（Kaggle, 天池）和高含金量项目
• 详细描述在图像/视频生成、多模态模型等方向的工程实现与创新点
• 展示开源项目或代码仓库，证明工程能力
• 系统复习Stable Diffusion、ControlNet等扩散模型原理及代码实现
• 补充多模态大模型（如CLIP, BLIP）的微调经验，熟悉HuggingFace工具链

面试指南

• STAR法则：描述项目背景、任务、你的行动和结果，突出难点与创新
• 技术对比结构：先提出多种方案，从效果、速度、可扩展性等维度对比，最后给出推荐
• 从0到1的思考：展示系统化思维，包括文献调研、基线实验、迭代优化等
• 请详细描述你参与过的一个图像生成项目，从模型选型到最终效果
• 如何对视频进行可控编辑？请列举技术方案并比较优缺点
• 解释Transformer在视觉任务中的应用，及与CNN的差异
• 你对多模态大模型的理解？如何将文本与图像对齐？
• 有一个新任务，如何快速调研并制定技术路线？