AIGC 算法工程师/专家

优缺点分析

角色解读

• 技术方向：从算法工程师到AIGC专家/首席科学家，深入前沿技术研究
• 管理方向：可晋升为技术团队Leader或项目负责人，带领团队进行产品落地
• 行业方向：积累AIGC领域经验，未来可转向其他AI应用场景，如自动驾驶、医疗影像等
• 研究AIGC技术在画质、影调、色彩等方向的前沿算法，探索新的理论基础
• 推动AIGC在Camera计算摄影领域落地，优化HDR、降噪、超分等图像增强效果
• 探索AIGC理论的应用边界，结合实际产品需求进行技术创新
• 扎实的CV/ML基础，熟悉LowLevel、生成类、HighLevel多种算法方向
• 精通Tensorflow/Pytorch等深度学习框架，有实际模型训练和优化经验
• 熟练使用Python/C/C++，具备Linux开发环境和高效工程实现能力

申请策略

• 面试前深入了解vivo在计算摄影和AIGC方向的产品布局，准备相关场景的算法方案
• 准备一个完整的技术项目演示，从问题定义、算法调研、实验到效果评估，体现系统思维
• 突出在LowLevel或生成类算法上的项目经验，如HDR、超分、人脸生成等具体案例
• 强调深度学习模型训练和优化经历，包括网络结构改进、剪枝、量化等工程能力
• 展示论文发表或专利成果，尤其是图像/视觉/机器学习相关高水品成果
• 体现高效的工程实现能力，如Python/C++项目，开源贡献等
• 学习最新的Diffusion模型及其在图像生成和复原中的应用，跟进AIGC前沿
• 巩固C++和Linux开发技能，尤其是算法原型到产品的工程化能力

面试指南

• 针对算法原理问题：先阐述基础理论（公式或流程图），然后结合自己项目说明如何调优，最后对比其他方法的优劣
• 针对应用场景问题：从技术可行性、性能瓶颈、用户体验三个角度分析，提出自己的方案并引用相关论文或经验
• 针对项目介绍问题：按照STAR原则（情境、任务、行动、结果）结构化描述，重点突出技术难点和个人贡献
• 请详细讲解一种你熟悉的LowLevel算法（如降噪或超分）的原理、网络结构及优化方法
• 如何将最新的Diffusion模型应用到移动端图像增强？面临哪些挑战？
• 描述一个你主导的CV项目，从数据准备、模型设计到最终落地的完整过程
• 对于AIGC在计算摄影中的应用，你认为哪些方向最有前景？为什么？
• 在模型压缩（剪枝、量化）方面你有过哪些实践经验？效果如何？