视频生成算法实习生（超分方向）

AI 摘要智能生成

研发视频超分算法，围绕运动估计、多帧对齐

职位描述

1. 研发视频超分算法，围绕运动估计、多帧对齐、时序特征融合与细节重建，提升复杂运动、遮挡及场景切换下的重建效果。 2. 面向真实视频中的模糊、噪声、压缩失真等问题，设计退化模型与训练策略，提升算法对不同内容和画质的泛化能力。 3. 优化视频增强过程中的闪烁、重影、纹理不一致和细节失真，在清晰度、自然度与时序一致性之间取得平衡。 4. 探索超分模块与音画联合生成模型的协同优化，研究分阶段训练、联合微调及条件信息传递机制，提升人物身份、场景纹理与运动轨迹在高分辨率、长视频生成中的一致性。 5. 建设训练数据与评测体系，结合客观指标、主观评测和典型困难样本，持续定位问题并迭代算法。 6. 与工程和业务团队合作，推进模型压缩、推理加速及部署，平衡画质收益、处理速度与计算成本。 工作要求: 1. 具备计算机、电子信息、数学等相关专业背景，拥有扎实的机器学习、深度学习与计算机视觉基础。 2. 熟悉图像或视频超分、去噪、压缩失真修复等至少一个方向，有完整的模型训练、实验分析和效果优化经验。 3. 理解多帧对齐、光流、可变形卷积、注意力机制等技术，了解视频任务中的运动信息利用与时序一致性问题。 4. 熟练使用 Python、PyTorch，具备良好的代码实现、实验管理与问题定位能力。 5. 理解各项评测指标的适用范围，能够结合视觉效果分析纹理真实性、伪影和时间维度的质量问题。 6. 具备主动探索与团队协作能力，能够从业务需求出发定义问题，并推动方案验证和落地。 以下经历会加分： - 有真实场景视频超分、老片修复、动漫增强或大规模视频处理经验。 - 有扩散模型、生成式超分或感知质量优化经验，能够分析生成细节的真实性与稳定性。 - 有模型蒸馏、量化、TensorRT、ONNX 或 CUDA 优化经验。 - 在 CVPR、ICCV、ECCV、NeurIPS 等会议发表相关论文，或在相关竞赛、开源项目中有突出贡献。

任职要求

• Python
• 算法
• 机器学习
• 深度学习