算法专家

优缺点分析

角色解读

• 向技术专家方向发展，成为3D视觉领域的权威人才
• 可晋升为算法团队负责人或技术总监，带领团队攻克技术难题
• 横向拓展至AR/VR产品整体架构设计，转型为系统架构师
• 跟踪XR领域3D空间感知重建前沿技术，参与技术战略规划
• 设计并落地3D空间感知算法，确保性能与进度满足产品需求
• 负责算法在移动端的部署与性能优化，包括量化移植和DSP开发
• 扎实的3D机器视觉基础，包括双目深度估计、3D深度感知、空间重建等
• 精通C/C++和Python，具备出色的编程能力
• 掌握PyTorch或TensorFlow等深度学习框架，有模型量化移植经验

申请策略

• 了解vivo在XR领域的布局（如MR头显），面试中体现对产品场景的理解
• 准备一个完整的算法落地项目讲解，包括性能指标和优化过程
• 突出3D视觉项目经验，特别是空间感知重建相关成果
• 强调端侧移植和性能优化经历，如模型量化、DSP开发
• 展示多模态多任务网络的设计和应用案例
• 可系统学习高通Hexagon DSP开发和Android系统算法移植
• 补充XR领域的最新论文和开源项目，如SparseNeRF、3D Gaussian Splatting

面试指南

• STAR法则：情境、任务、行动、结果，讲述项目故事
• 对比不同方案优缺点，体现技术选型思维
• 结合实际数据（如FPS、精度指标）展示量化分析能力
• 请详细讲解一个你参与过的3D空间感知重建项目，包括算法选型、性能优化和落地效果
• 在移动端部署深度学习模型时，你通常采用哪些量化或压缩方法？遇到过哪些挑战？
• 如何评估一个3D重建算法的精度和实时性？在精度和速度之间如何权衡？
• 请解释多模态多任务网络的设计思路，并举例说明在XR场景中的应用
• 谈谈你对当前XR中空间感知技术趋势的理解，以及vivo可能的聚焦方向