研究岗

计算机视觉研究员

视觉感知、3D重建、世界模型与空间智能研究

参考薪资 40-85K
200知识点
69学时
24580积分
23工具
开始学习
CHAPTER 01

岗位说明

视觉感知、3D重建、世界模型与空间智能研究

本课程路径为【计算机视觉研究员】量身设计，聚焦前沿研究与创新方向。 岗位描述：视觉感知、3D重建、世界模型与空间智能研究。 学习路径分3个阶段递进：AI核心理论（137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（24个知识点，涵盖多模态与音视频AI） → 前沿探索（39个知识点，涵盖前沿技术）。 参考薪资：40-85K。需要掌握23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
研究岗
参考薪资
40-85K（月·一线城市参考）
学习规模
200 个知识点 · 约 69 学时 · 23 个工具
已上线课程
201 节可直接学习
CHAPTER 02

现状与前景

计算机视觉研究正在从2D走向3D、从静态走向动态。世界模型、空间智能、神经渲染——这些前沿方向正在定义下一代AR/VR和自动驾驶技术。视觉研究的影响力横跨娱乐、医疗、安防等多个万亿级行业。

CHAPTER 03

招聘数据

薪资区间

40-85K

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 200 节课程并通过面试题测试，可获得 24580 成长积分，覆盖该岗位 23 个核心工具与全部技能要求。

CHAPTER 04

能力雷达图

深度学习AI应用前沿技术多模态音视频图形可视化
深度学习 100
AI应用 85
前沿技术 55
多模态音视频 44
图形可视化 42
CHAPTER 05

工具树（23）

训练框架 · 6
PyTorchTensorFlowJAXHugging FaceTransformersAccelerate
可观测性 · 3
Comet MLBraintrustPhoenix (Arize)
基础设施 · 1
CUDA
研究工具 · 7
ElicitConsensusSemantic ScholarConnected PapersResearch RabbitSciteZotero
评估工具 · 1
LM Eval Harness
其他 · 5
gpt_4ogemini_25_prollama_4_maverickpixtralqwen_25
CHAPTER 06

项目树

视觉基础模型

研究大规模视觉预训练与通用感知模型

3D重建与生成

探索NeRF/Gaussian Splatting等3D重建与生成方法

世界模型研究

构建用于机器人与自动驾驶的世界模型

视频理解与生成

研究长视频时序理解与视频生成模型

日常工作任务

  • 每日跟踪CV前沿论文，维护研究方向文献库
  • 每日设计与实现视觉模型实验，验证新方法
  • 每日在GPU集群上训练与评测视觉模型
  • 每周构建与维护视觉评测基准与数据集
  • 每周复现SOTA方法，进行消融与对比实验
  • 按项目撰写论文与技术报告，准备投稿
  • 按项目与机器人/自动驾驶团队对接落地
  • 按季度规划CV研究方向与季度目标

核心交付物

研究论文模型与权重评测报告开源代码

协作对象

算法工程师数据标注团队基础设施机器人/自动驾驶团队论文合作者
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6 节
  1. 浅读 感知机：神经网络的最小单元 22分钟 · 80分
  2. 浅读 激活函数选择指南：场景驱动的决策 15分钟 · 80分
  3. 浅读 标签噪声建模：对称与实例相关噪声 16分钟 · 80分
  4. 浅读 梯度爆炸与裁剪：训练稳定技巧 18分钟 · 80分
  5. 浅读 深入理解Sigmoid梯度饱和与替代方案 17分钟 · 80分
  6. 浅读 KL散度损失：衡量分布差异的损失函数 14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 Inception与DenseNet经典CNN架构 22分钟 · 80分
  3. 浅读 ConvNeXt：纯卷积的现代化设计 12分钟 · 80分
  4. 浅读 YOLO单阶段目标检测算法精讲 20分钟 · 80分
  5. 浅读 全景分割入门：统一处理前景物体与背景区域 15分钟 · 80分
  6. 理解 Anchor-free：无锚框目标检测 21分钟 · 120分
  7. 理解 DETR端到端：无需Anchor检测 18分钟 · 120分
  8. 理解 Mask R-CNN实例分割：精准勾画每个目标 17分钟 · 120分
循环神经网络RNN6 节
  1. 浅读 一图看懂RNN的内部结构与数据流 23分钟 · 80分
  2. 浅读 深层RNN堆叠：如何正确增加网络层数 16分钟 · 80分
  3. 浅读 LSTM三大门控机制详解与原理 18分钟 · 80分
  4. 浅读 注意力机制：让Seq2Seq学会聚焦关键信息 12分钟 · 80分
  5. 浅读 Seq2Seq的局限：信息瓶颈与长序列困境 18分钟 · 80分
  6. 浅读 自注意力机制如何让模型理解上下文 17分钟 · 80分
Transformer架构9 节
  1. 浅读 多头注意力机制原理与实现 18分钟 · 80分
  2. 浅读 Flash Attention IO优化：减少显存读写 20分钟 · 80分
  3. 浅读 GELU与SwiGLU：Transformer激活进化 17分钟 · 80分
  4. 浅读 Flash Attention：突破显存瓶颈的注意力 15分钟 · 80分
  5. 浅读 残差连接：深层网络训练的稳定器 19分钟 · 80分
  6. 浅读 GPT自回归预训练：语言模型生成范式 21分钟 · 80分
  7. 浅读 三大架构对决：Encoder、Decoder与Enc-Dec 17分钟 · 80分
  8. 浅读 MoE混合专家模型架构入门 20分钟 · 80分
  9. 浅读 TransNormer：线性注意力Transformer 15分钟 · 80分
图神经网络GNN5 节
  1. 浅读 消息传递框架：GNN的统一计算范式 17分钟 · 80分
  2. 浅读 图拉普拉斯特征映射：谱方法的经典之作 22分钟 · 80分
  3. 浅读 图Transformer：注意力机制遇上图结构 13分钟 · 80分
  4. 浅读 SortPool排序池化在图神经网络中的应用 13分钟 · 80分
  5. 浅读 社交网络与GNN：挖掘人际关系密码 19分钟 · 80分
正则化与优化6 节
  1. 浅读 Spatial Dropout空间丢弃原理与实现 17分钟 · 80分
  2. 浅读 Batch Norm：批量归一化技术 27分钟 · 80分
  3. 浅读 GN归一化：摆脱Batch依赖 15分钟 · 80分
  4. 浅读 梯度裁剪防止训练爆炸的利器 16分钟 · 80分
  5. 浅读 数据增强策略：从基础到进阶全攻略 16分钟 · 80分
  6. 理解 数据增强：不增加数据也能提升泛化 18分钟 · 120分
生成模型6 节
  1. 浅读 ELBO推导：证据下界数学证明 18分钟 · 80分
  2. 浅读 DCGAN/StyleGAN：GAN生成模型 15分钟 · 80分
  3. 理解 Mode Collapse详解：诊断与解决全景 23分钟 · 120分
  4. 理解 RealNVP耦合层设计与可逆变换 20分钟 · 120分
  5. 理解 Classifier-Free Guidance：扩散模型引导 20分钟 · 120分
  6. 理解 Flow Matching：生成模型的新范式 40分钟 · 120分
JAX框架5 节
  1. 理解 JAX中PRNG显式随机数管理机制 19分钟 · 120分
  2. 理解 JAX调试技巧：排查函数式代码的利器 25分钟 · 120分
  3. 理解 JAX多GPU训练：并行加速实战指南 21分钟 · 120分
  4. 理解 Model Parallel in JAX：大模型分片实战 14分钟 · 120分
  5. 理解 Flax模型序列化：参数导出与加载全流程 17分钟 · 120分
对比学习与自监督学习3 节
  1. 理解 InfoNCE对比损失原理 21分钟 · 120分
  2. 理解 BEiT：图像Token自监督预训练 31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3 节
  1. 理解 Reptile简化的元学习算法原理 25分钟 · 120分
  2. 理解 跨域小样本学习突破数据壁垒 19分钟 · 120分
  3. 理解 元学习加速药物发现：小数据也能找到候选分子 25分钟 · 120分
AI编译与算子优化4 节
  1. 理解 MLC-LLM编译优化：TVM驱动的端侧推理 24分钟 · 120分
  2. 理解 BLOCK_SIZE与num_warps：Triton调优 22分钟 · 120分
  3. 理解 Triton持久化Kernel设计原理 17分钟 · 120分
  4. 理解 多任务并行调度与负载均衡策略 22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
信息论基础1 节
  1. 浅读 交叉熵：分类损失函数的本质 17分钟 · 80分
第4篇机器学习篇
机器学习基础1 节
  1. 浅读 让模型越训越精的学习率调度术 17分钟 · 80分
第5篇AI应用领域篇
自然语言处理NLP7 节
  1. 理解 句法分析：NLP文本结构解析入门 15分钟 · 120分
  2. 理解 成分句法分析树结构 24分钟 · 120分
  3. 理解 FastText子词嵌入：词向量优化 13分钟 · 120分
  4. 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
  5. 理解 统计机器翻译SMT原理入门 23分钟 · 120分
  6. 理解 Back-translation回译增强进阶 22分钟 · 120分
  7. 理解 多轮对话系统设计实战指南 21分钟 · 120分
计算机视觉CV5 节
  1. 理解 CLIP零样本分类：无需训练预测 23分钟 · 120分
  2. 理解 EfficientNet v2：Fused-MBConv与渐进学习 17分钟 · 120分
  3. 理解 智能文档分析技术全解 19分钟 · 120分
  4. 理解 3D点云处理技术入门 20分钟 · 120分
  5. 理解 高斯泼溅在3D重建中的应用与实践 19分钟 · 120分
语音技术6 节
  1. 理解 流式语音识别技术入门 20分钟 · 120分
  2. 理解 端到端语音合成TTS入门 23分钟 · 120分
  3. 理解 实时流式语音合成技术 22分钟 · 120分
  4. 理解 x-vector与ECAPA声纹进阶 20分钟 · 120分
  5. 理解 波束成形：用麦克风阵列锁定目标声源 21分钟 · 120分
  6. 理解 语音去混响：提升音频清晰度技术 20分钟 · 120分
推荐系统7 节
  1. 理解 ItemCF详解：相似物品的推荐之道 18分钟 · 120分
  2. 理解 Flash Attention V2/V3：IO与并行优化 18分钟 · 120分
  3. 理解 KV Cache与PagedAttention内存管理 24分钟 · 120分
  4. 理解 MMoE多目标排序：一次预测多个业务指标 33分钟 · 120分
  5. 理解 多路召回：推荐系统的广撒网策略 28分钟 · 120分
  6. 理解 推荐中的探索与利用：别让老内容吃干饭 20分钟 · 120分
  7. 理解 新用户冷启动策略进阶：从引导到转化 21分钟 · 120分
多模态AI7 节
  1. 理解 图像描述生成：让AI看图说话 21分钟 · 120分
  2. 理解 跨模态检索：用文字找图、用图找文字 23分钟 · 120分
  3. 理解 指代表达让AI看懂图里你说的是哪个 18分钟 · 120分
  4. 理解 具身交互入门：让AI像人一样看图问答 15分钟 · 120分
  5. 理解 图生文：让AI把图片翻译成文字 19分钟 · 120分
  6. 理解 AI视频生成：从文字直接生成动态画面 23分钟 · 120分
  7. 理解 跨模态检索：用文字找图、用图找文字 23分钟 · 120分
视频理解与分析3 节
  1. 理解 视频自监督预训练：无标注也能学好特征 23分钟 · 120分
  2. 理解 LDM潜空间压缩降低计算成本原理 21分钟 · 120分
  3. 理解 重复动作计数：让AI数清做了几个动作 24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 篇章级事件抽取：跨段落抓取完整事件 17分钟 · 120分
  3. 理解 知识图谱增强LLM：让大模型更靠谱 20分钟 · 120分
搜索与信息检索1 节
  1. 理解 排序学习三法：Pointwise等 21分钟 · 120分
医学影像AI4 节
  1. 理解 Swin-UNETR医学影像分割编码器 21分钟 · 120分
  2. 理解 用Faster R-CNN检测X光胸片肺结节实战 31分钟 · 120分
  3. 理解 糖网分级AI：眼底图像自动分级 22分钟 · 120分
  4. 理解 PET-CT多模态肿瘤分级AI模型 20分钟 · 120分
生物特征识别3 节
  1. 理解 人脸对齐技术：关键点检测实战指南 19分钟 · 120分
  2. 理解 人脸识别如何跑在手机和摄像头上 21分钟 · 120分
  3. 理解 生物识别防伪：真假分得清吗 23分钟 · 120分
代码智能与程序合成3 节
  1. 理解 Copilot架构解析：AI代码生成原理 20分钟 · 120分
  2. 理解 Bug检测与自动修复：AI代码修复 20分钟 · 120分
  3. 理解 Dafny/Lean：程序验证语言 23分钟 · 120分
第6篇计算机图形学与可视化篇
图形学基础5 节
  1. 理解 深度测试：谁挡住了谁的视线 21分钟 · 120分
  2. 理解 法线贴图：让平面看起来有凹凸感 30分钟 · 120分
  3. 理解 GLSL入门：GPU着色器编程第一课 18分钟 · 120分
  4. 理解 GPU着色器性能优化实战技巧 18分钟 · 120分
  5. 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3 节
  1. 理解 实时光线追踪和光栅化怎么混合 23分钟 · 120分
  2. 理解 SPH平滑粒子流体模拟原理与实现 24分钟 · 120分
  3. 理解 AI纹理生成技术：NeRF与AI渲染实战 19分钟 · 120分
数据可视化3 节
  1. 理解 做好数据仪表盘：可视化设计实战指南 24分钟 · 120分
  2. 理解 Deck.gl：大规模地理可视化 17分钟 · 120分
  3. 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3 节
  1. 理解 VR头显光学原理：从透镜到Pancake光路 22分钟 · 120分
  2. 理解 ARKit/ARCore/WebXR：跨平台AR开发 19分钟 · 120分
  3. 理解 VR与AR中的3D重建与空间映射技术 23分钟 · 120分
高级可视化与沉浸式技术4 节
  1. 理解 Visx与Plotly.js：前端交互可视化对比 29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 数字孪生和元宇宙怎么可视化 19分钟 · 120分
  4. 理解 实时降噪：光追画面怎么变干净 24分钟 · 120分
游戏引擎与交互式3D3 节
  1. 理解 Unity物理引擎PhysX与碰撞检测 22分钟 · 120分
  2. 理解 UE Mass实体系统实现群体智能 20分钟 · 120分
  3. 理解 XR扩展现实开发技术全景指南 22分钟 · 120分
数字人与AIGC视觉内容3 节
  1. 理解 ERNIE-ViLG：文心图文生成 31分钟 · 120分
  2. 理解 Deforum/EbSynth：视频风格化 19分钟 · 120分
  3. 理解 NeRF与3DGS数字人重建：前沿技术拆解 22分钟 · 120分
第7篇多模态与音视频AI篇
音频AI6 节
  1. 理解 Whisper语音识别：一个模型搞定99种语言 18分钟 · 120分
  2. 理解 ASR工程部署：量化与加速方案 18分钟 · 120分
  3. 理解 Bark：多语言情感TTS模型 14分钟 · 120分
  4. 理解 从文字到旋律：MusicGen文本生成音乐 9分钟 · 120分
  5. 理解 音乐生成评估指标体系 18分钟 · 120分
  6. 理解 音乐信息检索MIR技术 21分钟 · 120分
视频AI6 节
  1. 理解 时间分段网络TSN采样策略 23分钟 · 120分
  2. 精通 视频理解推理加速端侧部署方案 23分钟 · 180分
  3. 精通 Sora长视频一致性与物理仿真挑战 23分钟 · 180分
  4. 精通 AI智能剪辑：高光提取与自动分镜实战 20分钟 · 180分
  5. 精通 智能字幕生成与多语言翻译 19分钟 · 180分
  6. 精通 身体姿态SMPL骨架驱动 18分钟 · 180分
多模态融合7 节
  1. 精通 对比学习InfoNCE温度系数 19分钟 · 180分
  2. 精通 多模态预训练数据清洗去噪 24分钟 · 180分
  3. 精通 MiniGPT-4与Vicuna视觉对话模型 20分钟 · 180分
  4. 精通 端侧多模态大模型部署方案 22分钟 · 180分
  5. 精通 VLN预训练与迁移学习 28分钟 · 180分
  6. 精通 多模态工具调用API搜索代码 22分钟 · 180分
  7. 精通 多模态Agent应用落地场景 25分钟 · 180分
实时交互5 节
  1. 精通 打断处理与双工对话技术 25分钟 · 180分
  2. 精通 SimulMT同声传译模型架构与策略 23分钟 · 180分
  3. 精通 翻译质量评估BLEU COMET 22分钟 · 180分
  4. 精通 多模态情感数据集SEMAINE 23分钟 · 180分
  5. 精通 模仿学习与行为克隆方法 26分钟 · 180分
第8篇前沿技术篇
Agentic AI6 节
  1. 理解 从ReAct看Agentic AI的范式演进 25分钟 · 120分
  2. 理解 Voyager终身学习Agent：能自主进化的AI 18分钟 · 120分
  3. 理解 实时反欺诈：流式特征工程Flink+Kafka、规则引擎与模型双引擎、复杂事件处理CEP时序模 25分钟 · 120分
  4. 理解 GOAL分解树：Agent任务拆解利器 19分钟 · 120分
  5. 理解 深入理解并行工具 20分钟 · 120分
  6. 理解 Agent中的Tool Retrieval工具检索 20分钟 · 120分
推理模型7 节
  1. 理解 深入理解隐式CoT推理 18分钟 · 120分
  2. 理解 冷启动策略进阶：Embedding召回与元学习Bandit 18分钟 · 120分
  3. 理解 冷启动三大策略：CB召回迁移学习与DropoutNet 20分钟 · 120分
  4. 理解 Chain-of-Thought：思维链推理 19分钟 · 120分
  5. 理解 Least-to-Most问题分解与思维链 19分钟 · 120分
  6. 理解 深入理解推理scaling 22分钟 · 120分
  7. 理解 自我博弈如何训练出推理能力超强的模型 21分钟 · 120分
具身智能3 节
  1. 理解 Octo通用策略：一个模型控制多种机器人 28分钟 · 120分
  2. 理解 深入理解抓取策略 20分钟 · 120分
  3. 理解 MuJoCo物理引擎与Sim2Real实践 22分钟 · 120分
世界模型与视频生成2 节
  1. 理解 世界模型中的刚体与流体物理仿真技术 20分钟 · 120分
  2. 精通 深入理解游戏世界 22分钟 · 180分
AI编程助手2 节
  1. 精通 深入理解多文件编辑 23分钟 · 180分
  2. 精通 AI帮你重构代码：智能化重构实战 26分钟 · 180分
AI安全与对齐前沿3 节
  1. 精通 IPO与KTO对齐算法变体 20分钟 · 180分
  2. 精通 Scalable Oversight：让AI监督随能力同步扩展 24分钟 · 180分
  3. 精通 让AI学对价值观：价值学习技术 22分钟 · 180分
空间智能与世界模型5 节
  1. 精通 世界模型四要素：从感知到行动的闭环 23分钟 · 180分
  2. 精通 因果世界模型与干预推理完全指南 19分钟 · 180分
  3. 精通 深入理解视觉定位VPR与重定位技术 24分钟 · 180分
  4. 精通 具身导航与仿真平台：训练AI在虚拟空间找路 22分钟 · 180分
  5. 精通 深入理解模拟到真实Sim2Real迁移 22分钟 · 180分
AI+能源与可持续发展1 节
  1. 精通 深入理解电力设备故障预测 24分钟 · 180分
代码智能与程序合成4 节
  1. 精通 CodeBERT到CodeT5：代码预训练模型演进 1分钟 · 180分
  2. 精通 深入理解自动程序修复APR(Generate-and-Validate/Neural) 25分钟 · 180分
  3. 精通 AI驱动的不变式推断技术 26分钟 · 180分
  4. 精通 SMT求解器：程序验证与形式化方法的引擎 19分钟 · 180分
AI定理证明1 节
  1. 精通 深入理解软件形式化验证 20分钟 · 180分
群体智能2 节
  1. 精通 深入理解蜂群算法ABC 28分钟 · 180分
  2. 精通 群体机器人Swarm Robotics协作原理 22分钟 · 180分
第9篇机器人学与自动化篇
机器人学基础1 节
  1. 理解 MPC模型预测控制：机器人控制的优化方法 23分钟 · 120分
第10篇AIGC内容创作与创意篇
AI视频生成1 节
  1. 理解 视频生成中的时空注意力 22分钟 · 120分
数字人与虚拟主播1 节
  1. 精通 数字人多语言支持实战指南 19分钟 · 180分
AIQZ.CC · 计算机视觉研究员岗位说明书 · 返回星图选择岗位 · 2026