算法工程师（手势）

优缺点分析

角色解读

• 从算法工程师向资深算法专家或技术负责人发展，深入手势识别及人机交互领域
• 可横向拓展到更广泛的3D视觉方向，如人体重建、SLAM等，成为CV全栈专家
• 在vivo平台有机会参与核心产品研发，未来可转向技术管理或首席科学家路线
• 负责开发3D手势数据集的自动化采集系统，包括硬件和软件整合，以高效采集大量手势数据
• 设计并落地3D手势的自动标注算法，利用计算机视觉技术自动生成高质量标注，提升数据生产效率
• 持续优化标注算法的精度和速度，确保数据集质量满足模型训练需求
• 扎实的计算机视觉基础，熟悉关键点检测、姿态估计等常用算法
• 精通Python/C++编程，能独立开发和调试算法模块，熟悉OpenCV、PyTorch等工具
• 了解多目立体视觉、3D重建或动作捕捉系统，有相关项目经验更佳
• 具备良好的工程实践能力，能处理数据采集和标注中的实际问题

申请策略

• 关注vivo在AI和手势交互方面的业务布局，在面试中体现对产品的理解
• 提前准备与3D数据采集系统相关的设计思路，展现系统架构能力
• 突出计算机视觉相关项目经验，尤其是手势/人体关键点或姿态估计方面的实际案例
• 强调Python/C++编程能力，附上GitHub或代码开源链接展示工程实现
• 如有3D视觉、多目立体视觉或数据采集系统开发经验，务必详细描述
• 量化个人成果，如标注精度提升、数据采集效率提升等
• 复习经典关键点检测网络（如HRNet、OpenPose）和姿态估计算法，并动手复现
• 学习多目立体视觉基本知识，了解相机标定、视差计算等概念

面试指南

• 采用STAR法则，先说背景和任务，再讲具体做法，强调自己的贡献和量化结果
• 针对系统设计类问题，先拆解需求，再给出整体架构，分模块说明技术选型理由
• 结合实践经验，多提遇到的实际问题和解决思路，展示工程思维
• 请详细介绍一下你做过的关键点检测项目，遇到哪些挑战？如何解决？
• 如何设计一个3D手势自动标注系统？包括数据采集、标定、标注和质检环节
• 你如何使用PyTorch训练一个手势关键点模型？数据预处理和模型结构如何选择？
• 多目立体视觉中如何实现深度估计？相机标定有哪些步骤？
• 如果标注数据质量不高，你有哪些方法来优化标注算法？