vivo
AIGC图像生成算法工程师/专家（影像）
AIGC图像生成算法工程师/专家（影像）
发布于 大约 16 小时前普通员工/个人贡献者
上海市 / 杭州市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Aigc
Diffusion
Pytorch
Stylegan
Tensorflow
人脸修复
图像增强
图像处理
图像生成
AI 估算 · 30k–60k
AIGC算法工程师需求旺盛，vivo大厂薪资有竞争力，硕士3年+经验一线城市月薪30k-60k，15薪
职位详情
关于这个职位
该职位属于vivo影像部门，专注于AIGC图像生成和图像增强算法研发，需要结合前沿技术（如Diffusion、StyleGAN）打造行业领先的人像算法产品，适合在CV/ML领域有扎实基础和丰富落地经验的算法工程师
最低要求
硕士及以上学历，三年及以上工作经验
CV&ML领域扎实的基础理论和丰富的实践经验，有算法设计、模型训练、网络结构优化以及效果调优的实际深度学习CV算法的落地经验
有实际图像生成类算法开发经验，包括但不限于图像增强、人脸修复、人脸生成、deblur、inpainting等
熟悉人脸修饰类算法包括但不限于磨皮、祛斑痘、美白等，熟悉LowLevel算法，包括但不限于HDR、降噪、Deblur、超分、视频增强等
熟悉HighLevel算法，包括但不限于人脸检测，语义分割等
熟练使用pytorch/tensorflow/Caffe等训练框架，深入理解其中一种的架构实现
精通python/C/C++开发，并有实际的项目开发编程经验，具有高效的论文阅读和复现能力
熟悉多种基础网络模型，有实际基础模型训练者优先，具有轻量级网络设计、网络结构优化、动态剪枝以及定点化等相关实践经验
有实际图像生成模型训练开发经验包括但不限于StyleGAN、Transformer、Diffusion以及对应轻量级网络优化者优先
发表过高水平的图像、视觉、机器学习相关学术论文/专利者优先
工作职责
预研和研发具有行业竞争力的人像算法产品，聚焦在AIGC、图像生成、图像超分、图像增强等核心AI算法的技术构建和模型开发
深入研究图像处理算法问题，设计并优化算法以满足产品需求，主导项目上线
跟进业界最新论文和技术，对算法进行产品化预研和技术突破
AI 洞察
优缺点分析
优点
- vivo作为手机巨头，影像业务核心，项目资源丰富，算法落地场景明确
- 岗位聚焦AIGC前沿方向（Diffusion、StyleGAN），技术成长空间大
- 团队技术氛围浓厚，可接触业界最新论文并与产品紧密结合，个人影响力提升快
- 对算法深度和广度要求高，需要同时掌握LowLevel和HighLevel算法，学习曲线较陡
- 算法直接服务产品，需要快速迭代并保证效果，工作强度可能较大
- 适合在CV/ML领域有3年以上经验、热爱图像生成技术、希望在大平台做落地产品的算法工程师
缺点 / 挑战
- AIGC领域竞争激烈，需要持续跟进新论文，保持技术领先有压力
角色解读
- 从算法工程师成长为技术专家，主导核心算法方向并推动产品落地
- 向技术管理方向发展，带领团队负责影像算法整体架构
- 横向拓展至多模态、3D视觉等前沿领域，成为AI视觉全栈人才
- 负责AIGC图像生成、图像超分、增强等算法的预研和模型开发，提升人像算法产品竞争力
- 深入研究图像处理算法问题，设计并优化算法以满足产品需求，并主导算法项目上线
- 持续跟进业界最新论文和技术趋势，进行算法产品化预研和技术突破
- 扎实的CV和机器学习理论基础，具备算法设计、模型训练和效果调优的落地经验
- 熟悉图像生成类算法（如Diffusion、StyleGAN）及低层/高层算法（HDR、降噪、人脸检测等）
- 精通PyTorch/TensorFlow/Caffe等训练框架，以及Python/C/C++开发能力
- 具有高效论文阅读和复现能力，以及轻量级网络设计、剪枝等优化经验
申请策略
- 了解vivo影像的品牌定位和产品特色，在面试中展现对手机摄影场景的理解
- 准备1-2个端到端的算法落地案例，从问题定义、模型设计到效果评估完整阐述
- 突出图像生成类项目经验，如用StyleGAN或Diffusion实现人脸生成、修复等，并展示具体指标
- 强调LowLevel和HighLevel算法全栈能力，包括HDR、降噪、超分、人脸检测等
- 展示使用PyTorch/TensorFlow等框架的模型训练和优化经验，以及轻量级网络设计案例
- 附上代表性论文或专利，体现学术研究能力
- 若缺少Diffusion实践经验，可快速学习并复现基础模型，如DDPM、Stable Diffusion
- 补充轻量级网络优化技能，如剪枝、量化、蒸馏，提升模型部署效率
面试指南
- STAR法则：情景、任务、行动、结果，突出技术难点和你的贡献
- 对比分析：对技术选型给出客观对比，展示思维深度
- 工程思维：强调从模型到落地的全链路考虑（性能、内存、功耗等）
- 请详细描述你做过的一个图像生成项目，包括模型选择、训练策略和效果优化
- 比较Diffusion和GAN在图像生成上的优缺点，什么场景下选择哪种？
- 如何设计一个轻量级的人脸修复网络，在移动端达到实时效果？
- 给定一个模糊人脸图像，你的算法处理流程是什么？
- 你如何跟进前沿技术，并快速将其产品化？
职位点评
68
综合评分
前沿AIGC算法研发，大平台强资源，技术成长快，但节奏可能较快。
更适合这类人
该职位最适合追求技术成长和前沿突破的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活50
使命价值60
薪资福利
70中等
vivo薪资待遇在大厂中属中上水平，但JD未明确具体福利和薪资，补偿性满足程度中等偏上。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
岗位聚焦AIGC前沿技术，研发内容与业界最新论文同步，成长空间极大，发展性动机满足度很高。
技术前沿前沿/新兴技术
技术栈AIGC、Diffusion、StyleGAN、Transformer、图像生成、超分、人脸修复、PyTorch、TensorFlow、Caffe
业务类型ambiguous
工作生活
50较低
JD未提及远程或弹性工作，且算法岗通常节奏快，生活化动机满足度一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
60中等
手机影像算法直接改善用户体验，有一定社会价值，但行业竞争激烈，意义感中等。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
vivo 的其他在招职位
相似职位推荐
Watch Jobs