计算光学算法工程师/专家

优缺点分析

角色解读

• 可向计算光学领域专家发展，成为技术带头人
• 横向拓展到其他成像系统或AI算法方向
• 在vivo内部可晋升为技术专家或团队管理者
• 利用计算光学理论优化手机成像链路，提升画质和成像效果
• 研究几何光学、傅里叶光学与深度学习结合的方法，解决实际成像问题
• 跟踪业界前沿技术，推动计算光学在手机影像上的工程落地
• 扎实的光学理论基础，包括几何光学、傅里叶光学、图像信息处理
• 精通深度学习，熟悉图像增强、图像理解等算法原理和实现
• 熟练使用TensorFlow/PyTorch/Caffe等深度学习框架，精通Python/C++开发

申请策略

• 关注vivo影像技术方向的公开演讲或实验室成果，体现对公司的研究兴趣
• 准备一个完整的计算光学项目案例，展示从理论到工程的能力
• 突出计算光学项目经验，包括建模、仿真到落地的完整过程
• 强调深度学习在图像增强、超分等领域的应用成果
• 列出精通的技术栈，特别是TensorFlow/PyTorch实现架构的理解
• 附上发表的学术论文或相关专利
• 补充几何光学与傅里叶光学的理论基础，如学习《光学原理》
• 熟悉手机成像ISP pipeline的基本流程

面试指南

• 采用STAR法则：情境-任务-行动-结果，清晰展现项目全貌
• 先给出核心原理，再结合具体实现细节，最后总结优缺点
• 对前沿问题，展示自己的研读思考，并联系实际应用
• 请介绍一个你参与的计算光学项目，如何建模？如何工程落地？
• 解释傅里叶光学在成像系统中的应用
• 如何用深度学习进行图像去噪？对比传统方法和深度方法的优劣
• 你看过哪些最新的计算光论文？有什么启发？
• 在手机成像链路中，如何平衡算力与画质？