算法研究实习生（面向通信的视频重建与理解）· 2026-08-14

探索生成先验如何让有限码率承载更完整的视频信息，连接高质量重建、语义保持与智能理解。研究方向聚焦：面向通信的视频重建 × 理解 × 生成。

你将参与： 1. 低码率视频重建与理解：开展低码率条件下的视频高质量重建、语义保持与智能理解研究。 2. 模型设计、训练与评测：参与视频生成大模型、视频理解模型及生成式编解码模型的设计、训练、微调与评测，重点研究生成先验在视频压缩与重建中的应用。 3. 关键技术探索：探索视觉 Token 压缩、生成式重建、视频理解及率失真优化等关键技术。 4. 研究成果输出：推动研究成果总结与输出，包括发表高水平论文、参与标准制定及申请发明专利。 工作制度：上海 · 每周 ≥ 4 天 · 实习 ≥ 3 个月 邮件标题：姓名 + 学校 + 可实习时长

基本要求： - 人工智能、计算机、电子信息、自动化等相关专业；在读研究生或科研意愿强的优秀本科生优先。 - 熟悉 PyTorch 等深度学习框架，掌握 Transformer、Diffusion Model、VAE 等生成模型的基本原理。 - 具备良好的数学基础、英文读写能力和论文阅读能力。 - 每周至少出勤 4 天，可连续实习 3 个月以上。 优先考虑： - 具有视频生成或视频理解研究经验；熟悉基础模型训练、微调或推理流程；具有 Wan、HunyuanVideo、CogVideoX 等训练经验者优先。 - 熟悉视频压缩、学习式图像/视频编码、视觉 Token 压缩、生成式编解码或率失真优化。 - 具有高水平论文发表经历者优先，包括 CVPR / ICCV / ECCV / NeurIPS / ICLR / ACM MM / IEEE TPAMI 等。