2021 年伊始，曠視研究院正式推出“AI 飛躍”計劃，以科技務實的精神，助推高校和曠視在 AI 領域共同成長，用人工智能造福大眾，飛躍夢想，看見并釋放世界的價值！

計劃介紹

曠視自 2011 年成立以來，潛心在 CV 領域深耕，構建完整的 AIoT 產品體系。10 年的積累，讓我們深入了解 CV 領域技術發展以及產業實踐中的問題。現曠視將在“AI 飛躍”計劃中，公布具有挑戰性的前沿科研項目和產業實踐問題，誠摯邀請相關研究領域的同學加入，共同探索，攻破難題。

在該計劃中您將擁有 CV 領域頂尖導師的指導，與您在科研領域共同精進，將研究課題與真實產業結合，收獲有影響力的頂會論文和科研突破，讓億萬級用戶感知和體驗，產出有價值的研究成果！趕快加入吧！

計劃亮點

大咖企業導師?1V1 親自指導

解決工業界一手問題，落地理論

聚焦您的科研方向，助力發表國際頂會

濃厚學術氛圍，隨時隨地與大牛交流學術

申請資格

• 國內外碩士、博士在讀學生；延期或間隔年學生

• 有意愿參加企業技術升級的學生，對于研究和實踐結合有濃烈興趣，動手和實踐能力強，思維開闊創新，行為獨立且溝通能力強

其他福利

• 與正式實習生同樣的工資+餐補+外地住房補貼待遇

• 較高的轉正概率

• 充足的計算資源支持

• 系列技術培訓課程，與領域技術大牛零距離交流，幫助你完成從實驗室到工業界的無縫銜接

評選流程

符合條件的學生請根據各課題介紹、企業導師信息，選擇項目申請，并在規定時間內填寫申報表并上傳簡歷

• 2021 年 4 月 6 日 項目發布，申請開始

• 2021 年 4 月 30 日 申請截止，啟動評審

• 2021 年 5 月中旬 評審截止，發布結果

項目進行過程中的具體時間節點，請關注項目組通知

還在等什么？
快來尋找適合你的項目吧！

????

一、算法類

01

軟硬一體化方向

• 導師介紹：鮮于海舒，曠視研究院 Face 組定制化小組組長，畢業于清華大學數理基礎科學班。研究興趣在于將 CV 領域的深度學習算法與相機成像、硬件芯片結合協同優化，實現端邊上的高效、大算力智能硬件。

• 具體課題：

? ? ?

? ? ?1、基于檢測優化的視頻編解碼算法

• 描述：CV 算法對圖像輸入質量非常敏感；現實中圖像信息的損失很大部分來源于網絡帶寬不穩定導致的編碼損失。如果可以在圖像編碼之前進行檢測，根據檢測算法結果，對圖像中關鍵、重要部分采用更高的壓縮精度，對圖像中背景、不重要部分采用較低壓縮精度，有望在不損害算法效果的前提下，視頻帶寬壓縮到 1/3。

• 加分項：有編解碼算法經驗 or 有檢測算法經驗

• 時間要求：6 個月及以上

  2、基于檢測優化的 ISP LTM 算法

• 描述：Local Tone Mapping (LTM) 是圖像信號處理（ISP）算法中的重要部分，在逆光、高動態場景下的圖像效果提升有很大的影響。如果能夠在 LTM 之前進行檢測，根據檢測算法結果在 LTM 中保證圖像中關鍵、重要部分的 Tone Mapping 效果，可以避免視頻中人臉、文字等重要部分的欠曝光、過曝光現象。

• 加分項：有圖像信號處理（ISP）算法基礎 or 有檢測算法經驗

• 時間要求：6 個月及以上

  3、極低比特神經網絡優化

• 描述：低比特神經網絡模型是目前加速神經網絡運行效率的基本手段之一。目前對于 8bit 量化算法已經比較成熟，但當 bit 數降低到 4bit/2bit 甚至 binary 時，量化算法呈現出掉點嚴重、訓練不穩定、泛化性差等現象，且訓練周期較長、訓練開銷較大。如何優化這些現象，助力大算力模型在端邊上的實現，是我們希望嘗試解決的。

• 加分項：有檢測或分類算法經驗 或有 pytorch 使用經驗

• 時間要求：1 年及以上

? ? ? ?

02

半監督方向

• 導師介紹：黎澤明，曠視研究院基礎檢測組負責人，碩士畢業于清華大學。在 CVPR, ICCV, ECCV, NeurIPS, AAAI 等會議上發表論文十余篇。曾在物體檢測的著名挑戰賽 COCO 上作為主力取得了 3 連冠，并獲得比賽的最佳論文獎，在 CVPR19 的 DIW 挑戰賽中擔任評審委員。研究興趣主要集中在自/半監督、物體檢測和高效的模型設計, 并在曠視主導研發了檢測的代碼倉庫。

• 具體課題：

? ?? 超越 supervised 的自/半監督算法研究

• 描述：不利用或少利用 label 信息做預訓練，在分類和下游任務（不止于檢測、分割、關鍵點），大幅超過以往 ImageNet 的有監督預訓練。

• 加分項：有深度學習煉丹經驗、良好編程能力的優先

• 時間要求：1 年及以上

03

時空大數據聚類方向

• 導師介紹：杜佳慧，2018 年碩士畢業于北京交通大學信息科學研究所，研究興趣包括表征學習、異構計算下的神經網絡設計、城市級別大規模數據計算等。曾獲美國國家標準與技術研究院（NIST）人臉識別 Face Recognition Vendor Test (FRVT) 1:1 verification 第一，獲首屆中國人工智能大賽人臉識別 A 級證書。

• 具體課題：

? ? ?復雜網絡理論及其在面部聚類中的應用

• 描述：希望利用圖學習的方法在一定程度上提升面部聚類效果。

• 加分項：有復雜網絡研究、聚類、檢索相關經驗優先

• 時間要求：1 年及以上

04

面部識別方向

• 導師介紹：

• 謝津，曠視 Face 組服務器識別算法負責人，高級研究員。2015 年本科畢業于清華大學，2018 年獲得清華大學和法國馬賽中央理工大學碩士雙學位。帶領算法團隊為曠視城市大腦、智慧園區產品提供高精度面部識別、聚類、檢索算法。研究興趣包括度量學習、在線學習、大規模集群訓練、圖神經網絡等。

• 劉宇，曠視研究院 Face 組彩虹糖小組組長，本碩畢業于清華大學交叉信息研究院。重點研究比較成熟的技術并將其應用到業務落地當中，目前主要興趣集中在面部識別任務中的模型設計、采樣策略與知識蒸餾。

• 具體課題：

? ? ?

? ? ?1、Context based feature learning

• 描述：目前面部識別的主流方法，幾乎都是基于”樣本對“來進行訓練的，推理過程中計算相似度也只使用了兩個樣本的特征。我們希望在訓練和推理過程中用上數據集上其它數據（Context）的信息，提升算法精度。

• 加分項：有面部識別、聚類、檢索相關經驗優先

• 時間要求：1 年及以上

? ?

? ? ?2、Unsupervised domain adaptation

• 描述：AI 算法實際應用中，訓練集的數據分布和實際應用的數據分布常常有較大差異。在訓練集上訓練得很好地算法，在實際應用中效果可能大幅低于預期。一種解決方法是，在算法部署后根據實際場景數據進行線上無監督的訓練，從而提升目標場景算法性能。本課題希望在面部識別問題上，研究 Unsupervised domain adaptation 方法， 以解決上述問題。

• 加分項：有面部識別、聚類、檢索相關經驗優先

• 時間要求：1 年及以上

? ? ?

? ? ?3、遮擋場景下的面部識別研究

• 描述：希望在人臉相似性度量的基礎上，用神經網絡學習一個不確定性度量，增強算法在遮擋人臉上的魯棒性。

• 加分項：有人臉識別、reid 等相關經驗優先

• 時間要求：2 年及以上

二、工程類

具體課題?

全圖優化策略探索

• 導師介紹：王彪，曠視天元框架 MegEngine 組架構師，畢業于中科院計算技術研究所，負責天元框架底層優化加速以及 AI 編譯技術探索。

• 描述：卷積操作是目前 CNN 中最重要的算子之一，但是不同平臺不同shape 下最優的 layout 可能是不一樣的，如 NVIDIA 平臺下的量化類型默認是 NCHW4，而為了使用 tensorcore 加速，則需 NCHW32， NCHW4 和 NCHW32 互轉會引入額外開銷，而且如果不滿足 32 的倍數情況下，還需要引入 padding 開銷，導致局部狀態下無法準確評估單層卷積最優的運行參數，為此需要在全局狀態下找出最優解。

• 加分項：有 AI 算法經驗或深入了解體系結構

• 時間要求：1 年及以上

報名方式

掃描下方二維碼，填寫報名表格

溝通交流

有任何相關問題，添加【曠視研究院小姐姐】微信，回復“聯合培養”，即可與我們零距離接觸哦！

????

????

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結

以上是生活随笔為你收集整理的旷视 AI 飞跃 | 研究生联合培养计划的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。