北京/杭州内推 | 阿里达摩院视觉技术实验室招聘计算机视觉算法工程师/实习生

研究方向

1. 图像生成方向：图像生成技术目前已经取得了非常大突破，在电商、设计、艺术创作、文娱等领域中有非常多的应用场景。我们期望你对以下方向的学术或者应用感兴趣：

• 负责扩散模型或自编码网络等图像生成模型相关基础研究，包括但不限于Stable Diffusion，ControlNet，AE等；

• 负责图像生成相关应用研究，包括但不限于文生图、图生图、超分、图像修复、图像外扩、训练数据生成或者实际落地项目应用等；

• 负责可控&稳定图像生成研究，包括但不限于交互式编辑、统一生成框架、多提示组合的图像生成或者实际落地项目应用等。

2. 视频生成方向：图像生成已经取得了突破性的结果，视频生成方向也在快速的技术发展，充满了想象力。视频内容生成在直播，电商，电影特效，视频编辑，艺术化创作具有广阔的应用前景。我们期望你对视觉生成感兴趣，能完成深度的技术研究，也能够解决实际生成技术问题。我们希望你能有以下研究经验：

• 多模态生成/GAN/diffusion等视频/图像生成基础算法；

• 视频生成相关应用研究；

• 视频可控编辑；

• Language-Image Pre-training、Language-Video Pre-traing、GEN-1/GEN-2，VideoFusion等。

3. 3D生成方向：3D数字内容生产在很多领域都有着重要的应用前景，比如虚拟现实，游戏等。我们期望你对如下研究方向有浓厚的兴趣，并具有相关研究背景：

• Text-Guided 3D Shape Generation。比如DreamFusion， Magic3D，Dream3D，Point·E 等；

• Text Guided 3D Texture Generation。相关工作比如Text2Tex， Fantasia3D等；

• Text Guided 3D Scene Generation。相关工作比如Set-the-Scene，Text2Room等；

• Text Guided 3D Shape Editing。相关工作比如 Instruct-NeRF2NeRF， Instruct 3D-to-3D等。

4. (大) 模型的训练/微调/推理的加速方向：只要你对以下问题其中之一感兴趣，并且具有相关的背景，无需算法/工程二者兼具，即可联系我们：

• 负责Foundation Model的预训练/增量训练。对相关的训练提速手段有良好的认知和实操，包括但不限于deepspeed, pytorch FSDP等训练框架，以及IO，通信，计算算子等优化方向；

• 优化模型训练效率，比如提升训练稳定性、提升超参搜索效率（比如uTransfer）、优化器加速等；

• 负责构建高效、低层本、面向应用的微调，比如对于LoRA、QLoRA、ControlNet等工作；

• 负责预训练模型的部署加速。包括但不限于多卡任务编排与调度，算子优化、低比特量化、显存/访存优化等；

• 参与生成模型的评价构建。