负责智能手机端底层视觉与计算摄影相关算法的研发与落地。工作内容涵盖多帧/突发图像超分辨率（BurstSR）、视频去模糊（Video Deblurring）及图像补全与生成（Image Inpainting/Editing）。针对移动端平台（手机 NPU / GPU）特性，设计高效率、低延迟的深度学习模型与图像处理管线，打造极致的端侧影像体验。

1. 硕士及以上学历，计算机科学、电子工程、自动化、应用数学、信号与信息处理等相关专业； 2. 熟练掌握 Python 语言，具备扎实的 C++ 编程基础，熟悉 Linux 开发环境及常用的数据结构与算法； 3. 项目经验： 1) 熟悉深度学习基本原理，熟练使用 PyTorch 框架； 2) 掌握图像/视频超分辨率、视频去模糊、图像补全（Inpainting）等底层视觉（Low-level Vision）算法的基础理论与核心架构（如 U-Net、GANs、轻量化 Transformer/Mamba 等)； 3) 具备时空序列建模、多帧特征对齐融合或图像掩膜（Mask）生成与纹理填充的实际项目经验； 4. 具备良好的数学功底，自学及动手能力强，有强烈的自我驱动力，能够独立查阅并复现前沿学术论文（如 CVPR、ICCV、ECCV、SIGGRAPH 等）。 加分项： 1. 具有移动端/端侧硬件部署经验，熟悉 LiteRT（TensorFlow Lite）、Qualcomm QNN、ExecuTorch、MNN、NCNN 等至少一种端侧推理框架； 2. 熟悉结构重参数化（Rep-style）、模型量化（INT8 / FP16 PTQ/QAT）或知识蒸馏（KD）技术，有针对轻量化 CNN/U-Net 优化的实际经验； 3. 熟悉手机 NPU / GPU 硬件特性，了解算子耗时瓶颈（如内存访问成本 MAC 优化、避免硬件不支持的算子回落）或有 CUDA / OpenCL / Neon 算子优化经验； 4. 熟悉手机 RAW 域数据处理（如 Demosaic、ISP 管线）、传统运动模糊退化模型，或了解主流扩散模型（Diffusion Models）的轻量化/少步数（Step-distilled）生成技术； 5. 在计算机视觉顶级会议发表过底层视觉/图像生成相关论文，或在相关技术挑战赛（如 NTIRE, MAI, AIM Challenge）中取得优异名次。