苹果
Generative AI Research Intern - Image-to-Video Diffusion
Generative AI Research Intern - Image-to-Video Diffusion
发布于 3 小时前实习/见习
实习生仅现场办公AI算法
AI算法
Diffusion Models
Generative Ai
Pytorch
Video Generation
值不值得投
80综合评分
综合评分 80
顶尖大厂前沿AI研究实习，技术成长空间巨大，适合有志于深耕生成式模型的硕博人才
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
参考估算薪资
根据职位描述推断，供对比参考
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 620 个在招
职位详情
关于这个职位
负责图像到视频扩散模型的研究，探索基于Transformer的架构以生成高质量、时间一致的视频
主要工作包括设计实验、复现前沿论文、构建训练流水线及评估模型性能，需具备计算机视觉与深度学习扎实背景
最低要求
目前正在攻读计算机科学、电气工程、应用数学或相关领域的硕士或博士学位
在计算机视觉和深度学习方面有深厚的背景，具有扩散模型、流匹配或基于Transformer的生成模型应用于视频生成或时空任务的研究或项目经验
对图像到视频模型、视频生成、时间建模或视频表示有经验或扎实的理解
精通Python和PyTorch，能够独立实现研究代码
熟悉模型训练工作流程、消融实验和实验结果分析
熟悉生成式视频评估指标（如LPIPS、FVD）和感知评估方法
具有强烈的独立研究动机，并能够在最少监督的情况下推动项目
能够阅读、复现并批判性地分析最新的研究论文
工作职责
主导图像到视频扩散技术和时间生成建模的实验研究
设计、实施和评估用于运动建模和时间一致性的模型变体
构建实验流水线，运行消融研究和基准测试实验
分析结果并在内部研究报告或演示中总结发现
学习和复现视频扩散和I2V生成的最新工作
参与研究讨论并提出新想法
优先资格
了解视频基础，如运动估计、光流、时间一致性或对齐技术
拥有大规模训练、多模态模型或视频数据集的先验经验
在顶级会议或期刊上发表过论文（例如CVPR、ICCV、ECCV、NeurIPS、ICLR等）
对生成式视频建模的独立研究具有强烈的好奇心和动力
AI 洞察
优缺点分析
优点
- 接触全球顶尖的AI研究资源和技术栈，拥有极高的行业认可度，有助于建立深厚的学术和人脉网络
- 计算机相关专业硕博在校生，对生成式AI有浓厚兴趣且具备较强科研潜力的求职者
缺点 / 挑战
- 对学历和科研能力要求极高，需要快速跟进前沿论文并产出高质量实验结果，竞争压力较大
角色解读
- 从实习生成长为正式研究员，未来可向AI算法科学家、高级机器学习工程师方向发展，或在学术界继续深造
- 专注于图像到视频（I2V）生成技术的底层算法研究，特别是扩散模型的时间一致性优化
- 扎实的计算机视觉理论基础，精通PyTorch框架，具备复现顶会论文和进行大规模模型实验的能力
申请策略
- 准备详细的项目作品集或GitHub链接，展示你对最新I2V论文的理解和复现能力
- 突出与扩散模型、视频生成相关的科研项目经历，列出已发表或在审的顶会论文，强调代码实现能力
- 深入理解Diffusion Model和Transformer架构原理，熟悉LPIPS/FVD等评估指标的计算逻辑
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述科研经历
- 结合理论深度与工程实践，展示对模型细节的理解
- 请详细介绍你最近复现的一篇关于视频生成的论文及其核心创新点
- 如何解决视频生成中的时间不一致性问题？
- 在训练大规模扩散模型时，你遇到过哪些挑战以及如何解决的？
- 对比不同视频生成评估指标的优缺点
- 复习扩散模型数学推导，梳理近期CVPR/ICCV关于Video Generation的最新SOTA论文，准备代码调试案例
职位点评
薪资福利70
成长发展95
工作生活60
使命价值85
薪资福利
70中等
作为跨国巨头企业的实习岗位，薪资水平通常高于市场平均水平，且福利体系完善，但实习性质决定了其非长期稳定性。
薪资信号未披露（AI估算：8.0千–1.5万/月）
成长发展
95较高
该职位处于AI领域最前沿，提供接触顶级研究资源和导师的机会，对个人技术成长和学术背景提升极具价值。
技术前沿前沿/新兴技术
技术栈Diffusion Models、Image-to-Video、Transformer、PyTorch、Computer Vision
业务类型profit_center
工作生活
60中等
虽然为实习岗位，但研究型工作往往需要投入大量时间进行实验和论文阅读，工作强度可能较高，具体WLB取决于团队节奏。
工作模式未明确
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
85较高
致力于推动生成式AI在视频领域的发展，属于技术创新驱动型工作，具有较高的行业前瞻性和社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
苹果 的其他在招职位
相似职位推荐
Watch Jobs