萤石-图像算法-AI-ISP/AF对焦-杭州

优缺点分析

角色解读

• 初级图像算法工程师 → 资深算法专家，专注AI-ISP技术深度突破
• 横向拓展至计算机视觉其他领域（如检测、跟踪），或转向AI芯片算法优化方向
• 向技术管理岗位发展，带领团队主导影像系统迭代
• 负责摄像机图像处理算法的全链路研发，包括调研、设计、开发与产品落地
• 主导深度学习模型的轻量化（剪枝/蒸馏）与低比特量化，并在NPU/GPU/FPGA上高效部署
• 优化经典图像处理模块，如低照度去噪、白平衡、HDR融合、自动对焦等核心算法
• 建立图像质量评估体系，进行竞品分析，持续提升产品影像竞争力
• 扎实的图像处理理论基础，理解ISP pipeline或图像后处理，有产品落地经验
• 熟练使用深度学习框架（如PyTorch/TensorFlow），具备模型压缩、量化和部署能力
• 精通C/C++开发，熟悉NPU/GPU/FPGA仿真与端侧优化
• 良好的数据意识与文档撰写能力，能独立完成技术方案设计与报告

申请策略

• 关注萤石网络的产品线（智能家居摄像机、运动相机等），在面试中展示对其影像特色的了解
• 提前准备一份技术方案ppt，针对某个图像问题（如低光照去噪）阐述你的解决思路
• 突出图像处理/ISP相关项目经验，特别是从调研到落地的完整案例
• 展示深度学习模型压缩、量化或部署的实际成果（如推理速度、精度损失数据）
• 强调C/C++开发能力，附上GitHub或专利/论文链接
• 列举熟悉的具体图像处理模块（去噪、白平衡、HDR、AF等）及优化效果
• 深入学习ISP pipeline原理，参考DNG规范或开源项目（如libcamera）
• 练习使用ONNX/TensorRT/NCNN等部署工具，提高端侧优化能力

面试指南

• 对于技术问题，先定义问题边界，再讲理论原理，最后结合实践案例说明
• 对于项目描述，使用STAR（情境-任务-行动-结果）结构，突出你的角色和技术创新
• 对于开放性问题，展示系统性思维，从整体流程到细节优化逐步展开
• 请详细解释ISP pipeline中噪声去除的主要步骤及常见算法
• 如何将深度学习模型部署到NPU上？量化过程需要注意什么？
• 描述一个你从前端调研到产品落地的图像处理项目，遇到的挑战及解决方案
• 白平衡算法中灰度世界和完美反射法的原理及优缺点？
• 如何评价低照度图像的质量？有哪些客观指标？