算法岗

计算机视觉工程师

图像识别、目标检测、3D视觉与视频理解

参考薪资 25-45K
220知识点
88学时
25540积分
18工具
开始学习
CHAPTER 01

岗位说明

图像识别、目标检测、3D视觉与视频理解

本课程路径为【计算机视觉工程师】量身设计，聚焦算法与模型研发方向。 岗位描述：图像识别、目标检测、3D视觉与视频理解。 学习路径分2个阶段递进：AI核心理论（187个知识点，涵盖深度学习、AI应用领域、计算机图形学与可视化） → 实践应用（33个知识点，涵盖多模态与音视频AI）。 参考薪资：25-45K。需要掌握18个工具。 建议按顺序学习，基础阶段（了解级）快速建立概念框架，核心阶段（理解级）深入掌握关键技术，实践阶段（熟练级）达到工程应用能力。

岗位分类
算法岗
参考薪资
25-45K（月·一线城市参考）
学习规模
220 个知识点 · 约 88 学时 · 18 个工具
已上线课程
274 节可直接学习
CHAPTER 02

现状与前景

计算机视觉是AI落地最广泛的领域之一，从自动驾驶到医疗影像，从安防监控到工业质检，CV工程师的用武之地无处不在。随着多模态大模型兴起，视觉与语言的融合带来了全新机遇，掌握3D视觉和视频理解更让你在行业中稀缺。

CHAPTER 03

招聘数据

薪资区间

25-45K

数据来源于主流招聘平台 AI 岗位统计，一线城市 3-5 年经验参考。

岗位竞争力和成长

完成全部 220 节课程并通过面试题测试，可获得 25540 成长积分，覆盖该岗位 18 个核心工具与全部技能要求。

CHAPTER 04

能力雷达图

深度学习AI应用多模态音视频图形可视化
深度学习 100
AI应用 85
多模态音视频 44
图形可视化 42
CHAPTER 05

工具树（18）

训练框架 · 5
PyTorchTensorFlowHugging FaceTransformersAccelerate
推理服务 · 2
TensorRTOpenVINO
可观测性 · 1
MLflow
数据标注 · 3
Label StudioRoboflowCVAT
AI图像 · 2
Imagen 4Recraft
其他 · 5
gpt_4ogemini_25_proqwen_25llama_32pixtral
CHAPTER 06

项目树

工业缺陷检测系统

产线产品表面缺陷的自动检测与分类，支持高精度实时推理

人脸识别门禁

基于人脸检测与特征比对的门禁考勤系统，支持活体检测防伪

视频内容审核

海量视频流的违规内容识别与自动标注，支持多标签分类

医学影像分析

CT/MRI影像中的病灶检测与分割，辅助医生诊断决策

3D点云理解

激光雷达点云的目标检测与场景重建，服务于自动驾驶感知

日常工作任务

  • 每日数据采集与标注管理，维护高质量图像数据集
  • 每日模型训练与调优，迭代检测/分割/分类模型
  • 每日推理性能优化，使用TensorRT/OpenVINO加速部署
  • 每周模型精度评估，输出mAP/IoU等核心指标报告
  • 按项目数据增强实验，提升模型泛化能力与鲁棒性
  • 按项目边缘端部署适配，适配不同硬件平台的推理需求
  • 按季度前沿算法论文调研与复现
  • 按季度技术专利撰写与申报

核心交付物

训练好的视觉模型标注数据集模型评估报告推理优化方案部署文档

协作对象

数据标注团队硬件工程师产品经理后端工程师测试工程师
CHAPTER 07

学习目录（可直达课程）

第1篇系统
系统1 节
  1. 了解 欢迎来到AIQZ.CC 6分钟
第2篇深度学习篇
神经网络基础9 节
  1. 浅读 感知机：神经网络的最小单元 22分钟 · 80分
  2. 浅读 MLP多层感知机：神经网络的基础形态 21分钟 · 80分
  3. 浅读 不平衡数据处理：代价敏感学习与Focal Loss调参 17分钟 · 80分
  4. 浅读 Co-training：多视角半监督学习 16分钟 · 80分
  5. 浅读 静态图vs动态图：框架设计抉择 22分钟 · 80分
  6. 浅读 Sigmoid与Tanh激活函数对比 18分钟 · 80分
  7. 浅读 Tanh激活函数与零中心化特性 16分钟 · 80分
  8. 浅读 MSE与MAE：两种最常用的回归损失函数 18分钟 · 80分
  9. 浅读 Softmax配交叉熵：分类任务的黄金组合 21分钟 · 80分
卷积神经网络CNN8 节
  1. 浅读 Stride与Padding深入理解 15分钟 · 80分
  2. 浅读 LeNet与AlexNet经典CNN架构回顾 16分钟 · 80分
  3. 浅读 VGG为什么只用3x3卷积？小卷积核的智慧 14分钟 · 80分
  4. 浅读 YOLO系列检测算法演进全梳理 15分钟 · 80分
  5. 浅读 YOLO单阶段目标检测算法精讲 20分钟 · 80分
  6. 浅读 DeepLab系列：语义分割演进 21分钟 · 80分
  7. 浅读 SegFormer语义分割的Transformer革新 17分钟 · 80分
  8. 理解 DETR端到端：无需Anchor检测 18分钟 · 120分
循环神经网络RNN8 节
  1. 浅读 RNN梯度消失：长序列训练的隐形杀手 17分钟 · 80分
  2. 浅读 BiLSTM序列建模：双向信息融合机制 18分钟 · 80分
  3. 浅读 RNN变体演进：从LSTM到GRU家族 14分钟 · 80分
  4. 浅读 序列分类实战：五大典型应用场景 17分钟 · 80分
  5. 浅读 Beam Search：序列解码搜索算法 16分钟 · 80分
  6. 浅读 Seq2Seq中Teacher Forcing训练方法 19分钟 · 80分
  7. 浅读 Multi-Head多头注意力机制入门 15分钟 · 80分
  8. 浅读 正弦vs可学习：位置编码两种方案对比 18分钟 · 80分
Transformer架构12 节
  1. 浅读 多头注意力机制原理与实现 18分钟 · 80分
  2. 浅读 注意力复杂度分析：O(n2)瓶颈与突破路径 22分钟 · 80分
  3. 浅读 XGBoost三大建树算法与工程加速 22分钟 · 80分
  4. 浅读 Batch Norm：训练推理与卷积协同 16分钟 · 80分
  5. 浅读 Flash Attention：突破显存瓶颈的注意力 15分钟 · 80分
  6. 浅读 Transformer Encoder：逐层拆解编码器细节 17分钟 · 80分
  7. 浅读 为什么大模型用RMSNorm替代LayerNorm 18分钟 · 80分
  8. 浅读 T5用统一文本到文本框架搞定NLP 13分钟 · 80分
  9. 浅读 ELECTRA：高效预训练方法 16分钟 · 80分
  10. 浅读 Longformer：让Transformer读懂超长文本 14分钟 · 80分
  11. 浅读 Reformer的LSH注意力与分块技术 17分钟 · 80分
  12. 浅读 TransNormer：线性注意力Transformer 15分钟 · 80分
图神经网络GNN6 节
  1. 浅读 GraphSAGE邻居采样：大规模图训练 24分钟 · 80分
  2. 浅读 GAT图注意力网络：让邻居贡献自适应 18分钟 · 80分
  3. 浅读 RGCN：为每种关系定制卷积权重 19分钟 · 80分
  4. 浅读 全局池化三种方式对比：求和平均与最大池化 20分钟 · 80分
  5. 浅读 图节点分类：半监督学习的经典战场 15分钟 · 80分
  6. 浅读 GNN驱动药物发现：分子图上的智能筛选 15分钟 · 80分
正则化与优化8 节
  1. 浅读 Spatial Dropout空间丢弃原理与实现 17分钟 · 80分
  2. 浅读 DropPath：随机深度正则化 19分钟 · 80分
  3. 浅读 Group Norm：分组归一化方案 15分钟 · 80分
  4. 浅读 均方根归一化RMSNorm怎么用才对 14分钟 · 80分
  5. 浅读 Sophia二阶优化器原理与效果 16分钟 · 80分
  6. 浅读 学习率调度策略全攻略指南 20分钟 · 80分
  7. 浅读 Label Smoothing标签平滑训练技巧 19分钟 · 80分
  8. 浅读 数据增强策略：从基础到进阶全攻略 16分钟 · 80分
生成模型8 节
  1. 浅读 条件VAE：让生成听从你的指令 18分钟 · 80分
  2. 浅读 向量量化原理：VQ-VAE码本学习与离散表示 22分钟 · 80分
  3. 浅读 模式崩溃：GAN训练的头号难题 24分钟 · 80分
  4. 理解 Mode Collapse详解：诊断与解决全景 23分钟 · 120分
  5. 理解 标准化流应用：从密度估计到数据生成 20分钟 · 120分
  6. 理解 连续标准化流：用ODE定义可逆变换 15分钟 · 120分
  7. 理解 DiT：扩散Transformer架构 20分钟 · 120分
  8. 理解 DiT扩散Transformer：生成新架构 18分钟 · 120分
JAX框架7 节
  1. 理解 JAX pytree树形数据结构处理 20分钟 · 120分
  2. 理解 JAX vs PyTorch：深度学习框架深度对比 28分钟 · 120分
  3. 理解 JAX的jit编译陷阱与避坑指南 21分钟 · 120分
  4. 理解 SPMD编程模型与JAX分布式训练实践 20分钟 · 120分
  5. 理解 JAX中Mesh与GSPMD分布式训练 19分钟 · 120分
  6. 理解 Flax模型序列化：参数导出与加载全流程 17分钟 · 120分
  7. 理解 Flax携手HuggingFace：模型生态打通 20分钟 · 120分
对比学习与自监督学习3 节
  1. 理解 SimSiam无负样本的孪生自监督学习 20分钟 · 120分
  2. 理解 iBOT视觉自监督预训练方法 15分钟 · 120分
  3. 理解 SigLIP用Sigmoid改进多模态对比学习 18分钟 · 120分
元学习与小样本学习4 节
  1. 理解 元学习问题定义：什么是学会学习的形式化描述 26分钟 · 120分
  2. 理解 用LSTM做元学习优化器：让网络学会怎么优化 20分钟 · 120分
  3. 理解 零样本迁移学习原理与实战 23分钟 · 120分
  4. 理解 元学习赋能自动驾驶：小样本场景下的快速适应 23分钟 · 120分
AI编译与算子优化6 节
  1. 理解 TVM算子切分与Tiling分块策略 20分钟 · 120分
  2. 理解 BYOC混合编译：TensorRT/ACL集成 21分钟 · 120分
  3. 理解 BLOCK_SIZE与num_warps：Triton调优 22分钟 · 120分
  4. 理解 Triton跨Block规约与原子操作 19分钟 · 120分
  5. 理解 MetaSchedule自动调度API 15分钟 · 120分
  6. 理解 Dlight调度框架：Pass组合优化 21分钟 · 120分
第3篇数学与统计基础篇
微积分1 节
  1. 浅读 链式法则：复合函数求导的核心 18分钟 · 80分
数字信号处理基础1 节
  1. 浅读 卷积：信号处理的万能操作 17分钟 · 80分
第4篇机器学习篇
图分析与网络科学1 节
  1. 浅读 Node2Vec：灵活的图节点向量表示学习 19分钟 · 80分
第5篇编程语言与开发工具篇
数据与统计语言53 节
  1. 理解 Julia科学计算性能基准全解 21分钟 · 120分
  2. 了解 SQL窗口函数：一行搞定跨行计算 14分钟 · 5分
  3. 了解 CTE递归：层级数据SQL查询 14分钟 · 5分
  4. 了解 SQL查询优化：让慢查询跑起来 11分钟 · 5分
  5. 了解 SQL索引策略：给查询装上加速器 14分钟 · 5分
  6. 了解 SQL事务隔离机制：并发访问不互相干扰的秘密 16分钟 · 5分
  7. 了解 ROW_NUMBER/RANK/LAG：排名窗口函数 16分钟 · 5分
  8. 了解 CTE与递归CTE：SQL高级查询 17分钟 · 5分
  9. 了解 EXPLAIN执行计划：看懂数据库怎么跑你的SQL 15分钟 · 5分
  10. 了解 B+树索引与覆盖索引：原理和用法一次讲清 15分钟 · 5分
  11. 了解 数据库脏读幻读不可重复读：隔离级别全解 14分钟 · 5分
  12. 了解 SQL优化器：数据库怎么挑执行计划 17分钟 · 5分
  13. 了解 SQL进阶之分库分表：应对海量数据的拆分策略 18分钟 · 5分
  14. 了解 WASI-NN接口：在WASM里跑AI模型推理 16分钟 · 5分
  15. 了解 移动端GPU推理OpenCL/Vulkan Compute 14分钟 · 5分
  16. 了解 跨平台AI推理方案对比：选哪个框架 14分钟 · 5分
  17. 了解 R数据框操作：data.frame怎么玩 16分钟 · 5分
  18. 了解 R统计建模：从线性回归到广义线性模型 18分钟 · 5分
  19. 了解 ggplot2可视化：画出出版级图表 15分钟 · 5分
  20. 了解 RMarkdown让数据分析报告可复现 14分钟 · 5分
  21. 了解 Bioconductor：R生物信息工具 17分钟 · 5分
  22. 了解 dplyr/tidyr：R数据处理的黄金搭档 14分钟 · 5分
  23. 了解 R语言lm与glm统计建模实战指南 12分钟 · 5分
  24. 了解 ggplot2图层语法：理解它就能画任何图 17分钟 · 5分
  25. 了解 用RMarkdown制作专业数据分析报告 15分钟 · 5分
  26. 了解 Bioconductor：生物信息分析平台 15分钟 · 5分
  27. 了解 R Shiny：用R直接搭交互应用 16分钟 · 5分
  28. 了解 R性能优化与Rcpp：让R代码跑得更快 21分钟 · 5分
  29. 了解 Julia多重派发：函数重载的高级玩法 14分钟 · 5分
  30. 了解 Julia微分编程：可微的代码就是好代码 17分钟 · 5分
  31. 了解 Flux.jl入门：用Julia写深度学习 14分钟 · 5分
  32. 了解 Julia多重派发进阶：设计可扩展代码 15分钟 · 5分
  33. 了解 Julia类型系统：多重派发与类型推断机制 13分钟 · 5分
  34. 了解 Julia Zygote自动微分：源到源求导 15分钟 · 5分
  35. 了解 Flux.jl深度学习实战：搭一个完整模型 17分钟 · 5分
  36. 了解 解微分方程利器：DifferentialEquations 17分钟 · 5分
  37. 了解 Julia性能基准：科学计算速度评测分析 13分钟 · 5分
  38. 了解 Julia与Python互操作实战指南 14分钟 · 5分
  39. 了解 Scala函数式编程：用纯函数构建可靠数据管道 14分钟 · 5分
  40. 了解 Akka并发：Scala并行计算框架 18分钟 · 5分
  41. 了解 Spark Scala：大数据处理的标配 18分钟 · 5分
  42. 了解 Scala模式匹配：比switch强大十倍 15分钟 · 5分
  43. 了解 Scala类型类：用类型抽象设计灵活API 14分钟 · 5分
  44. 了解 Scala函数式编程核心实战指南 16分钟 · 5分
  45. 了解 Akka Actor模型：Scala并发编程 13分钟 · 5分
  46. 了解 用Scala开发Spark大数据应用实战 15分钟 · 5分
  47. 了解 Scala模式匹配与样例类：天生一对 11分钟 · 5分
  48. 了解 Scala Type Class进阶：设计可扩展抽象 14分钟 · 5分
  49. 了解 Scala隐式转换Implicit：强大但要慎用 18分钟 · 5分
  50. 了解 Cats/Shapeless：Scala类型编程 14分钟 · 5分
  51. 了解 用Scala玩转Spark MLlib机器学习库 14分钟 · 5分
  52. 了解 Scala类型级编程：用类型系统在编译期消灭Bug 13分钟 · 5分
  53. 了解 Scala函数式错误处理Either/Validated 14分钟 · 5分
前端开发语言(JS/TS)1 节
  1. 了解 TypeScript类型系统入门 14分钟 · 5分
第6篇AI应用领域篇
自然语言处理NLP10 节
  1. 理解 命名实体识别NER入门指南 21分钟 · 120分
  2. 理解 NER深度学习模型实战进阶 21分钟 · 120分
  3. 理解 ELMo上下文相关词嵌入 18分钟 · 120分
  4. 理解 子词嵌入解决OOV难题全解 18分钟 · 120分
  5. 理解 关系抽取入门：从文本中挖掘实体间的关联关系 22分钟 · 120分
  6. 理解 NLP事件抽取入门：从文本里挖出发生了什么 22分钟 · 120分
  7. 理解 回译数据增强提升翻译质量 20分钟 · 120分
  8. 理解 BLEU/chrF：机器翻译评估指标 21分钟 · 120分
  9. 理解 开放域问答系统设计全解 24分钟 · 120分
  10. 理解 生成式问答系统大模型实战 20分钟 · 120分
计算机视觉CV11 节
  1. 理解 测试时增强TTA提升精度 19分钟 · 120分
  2. 理解 CLIP零样本分类：无需训练预测 23分钟 · 120分
  3. 理解 ConvNeXt：纯卷积借鉴Transformer设计 18分钟 · 120分
  4. 理解 ShuffleNet通道混洗与分组卷积协同机制 21分钟 · 120分
  5. 理解 实时目标检测算法入门 22分钟 · 120分
  6. 理解 图像抠图算法原理入门 22分钟 · 120分
  7. 理解 SAM分割一切模型的图像分割革命 19分钟 · 120分
  8. 理解 文档版面恢复技术入门 22分钟 · 120分
  9. 理解 手写体OCR识别技术 20分钟 · 120分
  10. 理解 PointNet与PointTransformer 15分钟 · 120分
  11. 理解 光流估计原理：从像素运动中推断物体的速度场 20分钟 · 120分
语音技术7 节
  1. 理解 声学模型DNN CTC RNN-T 21分钟 · 120分
  2. 理解 ASR评估WER：语音识别质量指标 22分钟 · 120分
  3. 理解 WaveNet与HifiGAN声码器 19分钟 · 120分
  4. 理解 语音韵律建模技术 24分钟 · 120分
  5. 理解 x-vector与ECAPA声纹进阶 20分钟 · 120分
  6. 理解 跨设备声纹识别：换手机也能认出你 23分钟 · 120分
  7. 理解 AEC实战：智能音箱的回声消除方案 20分钟 · 120分
推荐系统11 节
  1. 理解 用户协同过滤：找相似的人给你推东西 19分钟 · 120分
  2. 理解 ItemCF详解：相似物品的推荐之道 18分钟 · 120分
  3. 理解 RoPE旋转位置编码与长序列外推技术 20分钟 · 120分
  4. 理解 Flash Attention V3：FP8异步加速 20分钟 · 120分
  5. 理解 GQA显存优化：Llama推理加速方案 19分钟 · 120分
  6. 理解 双塔模型：推荐系统召回新标配 20分钟 · 120分
  7. 理解 PLE多目标排序：MMoE的进阶升级版 22分钟 · 120分
  8. 理解 重排策略：给推荐结果再排一次 20分钟 · 120分
  9. 理解 推荐中的探索与利用：别让老内容吃干饭 20分钟 · 120分
  10. 理解 图神经网络推荐：用图结构破解冷启动 20分钟 · 120分
  11. 理解 推荐系统冷启动评估：如何衡量冷启动效果 22分钟 · 120分
多模态AI7 节
  1. 理解 CLIP对比学习：图文对齐方法 19分钟 · 120分
  2. 理解 拆解Qwen-VL的视觉语言模型架构设计 25分钟 · 120分
  3. 理解 图文匹配：双塔与交互模型的取舍 22分钟 · 120分
  4. 理解 视觉问答VQA：看图回答你的问题 21分钟 · 120分
  5. 理解 视觉推理CLEVR：考AI的空间逻辑能力 20分钟 · 120分
  6. 理解 图生文：让AI把图片翻译成文字 19分钟 · 120分
  7. 理解 视觉故事生成进阶：让AI成为叙事大师 19分钟 · 120分
视频理解与分析5 节
  1. 理解 双流网络：时空视频理解经典架构 25分钟 · 120分
  2. 理解 Action Recognition数据集：视频理解 20分钟 · 120分
  3. 理解 Rectified Flow整流流实现少步快速生成 15分钟 · 120分
  4. 理解 视频时序动作定位技术 25分钟 · 120分
  5. 理解 视频描述生成：让AI给视频写解说词 17分钟 · 120分
信息抽取与知识图谱3 节
  1. 理解 实体链接与消歧：把名字指回正确的实体 25分钟 · 120分
  2. 理解 事件论元抽取：识别事件中的关键要素 22分钟 · 120分
  3. 理解 实体对齐：把不同图谱里的同一实体合并 22分钟 · 120分
搜索与信息检索4 节
  1. 理解 倒排索引原理详解：搜索引擎的底层基石 20分钟 · 120分
  2. 理解 排序学习三法：Pointwise等 21分钟 · 120分
  3. 理解 NDCG/MAP/MRR：排序效果的三大指标 21分钟 · 120分
  4. 理解 多模态搜索：以图搜图与视频搜索 18分钟 · 120分
医学影像AI6 节
  1. 理解 nnFormer 3D医学影像分割架构 29分钟 · 120分
  2. 理解 医学影像分割后处理：连通域形态学与CRF 21分钟 · 120分
  3. 理解 MIA-COV19D：COVID-19分级AI模型 22分钟 · 120分
  4. 理解 DICOM元数据：医学影像PHI脱敏 19分钟 · 120分
  5. 理解 医学多模态预训练：BiomedCLIP与RadFM 20分钟 · 120分
  6. 理解 医学图文对比学习：跨模态检索新玩法 22分钟 · 120分
生物特征识别4 节
  1. 理解 人脸识别鲁棒性：遮挡化妆跨年龄都不怕 23分钟 · 120分
  2. 理解 指纹怎么匹配才又快又准 19分钟 · 120分
  3. 理解 生物识别防伪：真假分得清吗 23分钟 · 120分
  4. 理解 多种行为特征融合提升识别率 24分钟 · 120分
代码智能与程序合成3 节
  1. 理解 FIM训练：让AI学会在代码中间补全 22分钟 · 120分
  2. 理解 AI帮你Review代码：智能审查工具实战 22分钟 · 120分
  3. 理解 Dafny/Lean：程序验证语言 23分钟 · 120分
第7篇计算机图形学与可视化篇
图形学基础7 节
  1. 理解 透视和正交投影有什么区别 18分钟 · 120分
  2. 理解 帧缓冲：画面画好了存到哪里 24分钟 · 120分
  3. 理解 环境光遮蔽：让阴影更真实自然 25分钟 · 120分
  4. 理解 IBL基于图像的照明 21分钟 · 120分
  5. 理解 Shader变体管理与分支性能优化 21分钟 · 120分
  6. 理解 合批策略：怎么让GPU画得更快 24分钟 · 120分
  7. 理解 带宽优化：怎么让GPU跑满不卡顿 23分钟 · 120分
高级渲染技术4 节
  1. 理解 RTX显卡光线追踪硬件加速揭秘 19分钟 · 120分
  2. 理解 云雾烟怎么画：体积渲染技术 24分钟 · 120分
  3. 理解 后处理特效：让画面更有电影感 23分钟 · 120分
  4. 理解 AI超分辨率渲染：DLSS/FSR/XeSS 23分钟 · 120分
数据可视化4 节
  1. 理解 颜色选择：不只是好看那么简单 18分钟 · 120分
  2. 理解 可视化做得好不好怎么评估 25分钟 · 120分
  3. 理解 Observable Notebook：交互式数据可视化利器 23分钟 · 120分
  4. 理解 大规模点云怎么可视化才不卡 25分钟 · 120分
VR/AR与空间计算5 节
  1. 理解 VR立体渲染：怎么让画面有深度感 20分钟 · 120分
  2. 理解 VR交互设计入门：空间交互核心原则 20分钟 · 120分
  3. 理解 AR眼镜：Vision Pro与Quest对比 19分钟 · 120分
  4. 理解 Apple Vision Pro visionOS开发 22分钟 · 120分
  5. 理解 空间计算加AI能擦出什么火花 28分钟 · 120分
高级可视化与沉浸式技术5 节
  1. 理解 体绘制与等值面提取：3D可视化进阶 22分钟 · 120分
  2. 理解 Three.js实战：构建沉浸式VR场景 18分钟 · 120分
  3. 理解 点云重建：照片怎么变成3D模型 28分钟 · 120分
  4. 理解 NeRF及其变体Instant-NGP加速方案 19分钟 · 120分
  5. 理解 AI材质与PBR增强：让虚拟世界更真实 18分钟 · 120分
游戏引擎与交互式3D4 节
  1. 理解 Unity物理引擎PhysX与碰撞检测 22分钟 · 120分
  2. 理解 UE5 Lumen实时全局光照系统 20分钟 · 120分
  3. 理解 UE Control Rig程序化动画控制 19分钟 · 120分
  4. 理解 实时3D应用中的交互设计模式大全 22分钟 · 120分
数字人与AIGC视觉内容4 节
  1. 理解 Wav2Lip语音驱动：让人脸跟着音频说话 18分钟 · 120分
  2. 理解 Sora可灵Runway三大视频模型横评 22分钟 · 120分
  3. 理解 视频超分：低清视频怎么变高清 22分钟 · 120分
  4. 理解 音频驱动面部动画：让数字人说话 20分钟 · 120分
第8篇多模态与音视频AI篇
音频AI8 节
  1. 理解 端到端ASR：CTC与Transducer 22分钟 · 120分
  2. 理解 流式ASR低延迟解码方案 19分钟 · 120分
  3. 理解 TTS系统三阶段Pipeline架构拆解 19分钟 · 120分
  4. 理解 Bark：多语言情感TTS模型 14分钟 · 120分
  5. 理解 音乐生成任务分类与范式 22分钟 · 120分
  6. 理解 Udio高保真音乐生成技术 17分钟 · 120分
  7. 理解 环境声音分类ESC-50实战 28分钟 · 120分
  8. 理解 音乐信息检索MIR技术 21分钟 · 120分
视频AI9 节
  1. 理解 Two-Stream双流网络视频动作识别 20分钟 · 120分
  2. 理解 长视频理解与记忆建模方法 18分钟 · 120分
  3. 精通 工业视频分析安防体育制造 25分钟 · 180分
  4. 精通 拆解Sora的DiT与时空patch架构 16分钟 · 180分
  5. 精通 视频生成评估FVD与IS 22分钟 · 180分
  6. 精通 AI视频抠像与背景替换技术 25分钟 · 180分
  7. 精通 智能字幕生成与多语言翻译 19分钟 · 180分
  8. 精通 NeRF与高斯泼溅：新一代数字人重建技术 18分钟 · 180分
  9. 精通 数字人直播平台架构设计 22分钟 · 180分
多模态融合9 节
  1. 精通 CLIP预训练：数据与对比损失 19分钟 · 180分
  2. 精通 跨模态检索相似度计算方法 25分钟 · 180分
  3. 精通 Flamingo：少样本多模态学习先驱 24分钟 · 180分
  4. 精通 多模态视觉理解图表文档 20分钟 · 180分
  5. 精通 视觉语言导航VLN任务定义 25分钟 · 180分
  6. 精通 VLN预训练与迁移学习 28分钟 · 180分
  7. 精通 多模态Agent的定义与架构 26分钟 · 180分
  8. 精通 多模态RAG增强Agent方案 29分钟 · 180分
  9. 精通 跨模态统一Agent架构设计 24分钟 · 180分
实时交互7 节
  1. 精通 对话策略与回复生成方法 23分钟 · 180分
  2. 精通 语音对话评估与满意度 22分钟 · 180分
  3. 精通 增量解码与低延迟翻译 24分钟 · 180分
  4. 精通 翻译质量评估BLEU COMET 22分钟 · 180分
  5. 精通 微表情识别与动态分析 26分钟 · 180分
  6. 精通 情感数据收集：隐私伦理怎么守 22分钟 · 180分
  7. 精通 强化学习机器人控制应用 24分钟 · 180分
AIQZ.CC · 计算机视觉工程师岗位说明书 · 返回星图选择岗位 · 2026