{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "影像挖掘算法工程师-地理位置中台",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "上海",
        "work_mode": "未披露",AI生成
        "job_category": "算法"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、负责研发面向复杂道路场景的视觉感知、多模态理解、变化检测算法，推动路网数据从人工采集编辑升级为多源感知+大模型理解的自动化产线；\n2、负责基于VLM、视觉基础模型、开集目标检测等技术，实现复杂道路场景中的长尾目标识别、未知类别发现，以及自然语言到道路要素的解析；\n3、负责研发BEV、3D空间的道路要素建模方法，实现道路要素的拓扑关系推理；\n4、负责面向真实道路场景，研发道路变化检测的人机协同生产算法，支持道路要素的自动更新；\n5、负责跟踪并落地VLA、世界模型、感知大模型、开放世界感知等方向中的可迁移技术，推动其在道路数据生产任务中的应用。",
        "requirements_text": "1、计算机、人工智能、自动化、电子工程、机器人等相关专业，本科及以上学历；\n2、熟悉深度学习和计算机视觉基础，掌握至少一种主流视觉任务：目标检测、语义/实例分割、OCR、BEV感知、视觉检索等；\n3、具备良好的工程实现能力，熟练使用Python/C++，熟悉PyTorch，具备模型训练、数据清洗、评测体系建设等经验。\n\n加分项\n1、熟悉多模态大模型或视觉基础模型者优先，包括但不限于DINOv2/DINOv3、CLIP、Qwen-VL、InternVL、LLaVA、Florence、Grounding DINO等，或有多模态大模型后训练、视觉基础模型微调相关经验；\n2、熟悉道路场景理解、自动驾驶感知、车道线检测、道路变化检测，以及有数据闭环、难例挖掘经验者优先，或有自动驾驶感知、BEV感知、车道线检测、道路拓扑推理、道路变化检测相关项目经验；\n3、有感知融合经验，包括但不限于图像+轨迹、图像+GPS、图像+路网拓扑等；\n4、有路网自动化生产、数据闭环、自动标注、主动学习、道路要素更新等业务经验；\n5、有较强论文阅读和复现能力，在CVPR/ICCV/ECCV/NeurIPS/ICLR/AAAI/ICRA等会议发表论文者优先。",
        "skills": [AI生成
            "Python",
            "C++",
            "PyTorch",
            "深度学习",
            "计算机视觉",
            "数据清洗",
            "模型训练",
            "模型微调",
            "大语言模型"
        ],
        "preferred_qualifications": "加分项；1、熟悉多模态大模型或视觉基础模型者优先，包括但不限于DINOv2/DINOv3、CLIP、Qwen-VL、InternVL、LLaVA、Florence、Grounding DINO等，或有多模态大模型后训练、视觉基础模型微调相关经验；2、熟悉道路场景理解、自动驾驶感知、车道线检测、道路变化检测，以及有数据闭环、难例挖掘经验者优先，或有自动驾驶感知、BEV感知、车道线检测、道路拓扑推理、道路变化检测相关项目经验；5、有较强论文阅读和复现能力，在CVPR/ICCV/ECCV/NeurIPS/ICLR/AAAI/ICRA等会议发表论文者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7659732521723218229/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7659732521723218229",
        "post_date": "2026-07-07",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7659732521723218229/detail"
    },
    "fulltext": "影像挖掘算法工程师-地理位置中台\n职位描述\n1、负责研发面向复杂道路场景的视觉感知、多模态理解、变化检测算法，推动路网数据从人工采集编辑升级为多源感知+大模型理解的自动化产线；\n2、负责基于VLM、视觉基础模型、开集目标检测等技术，实现复杂道路场景中的长尾目标识别、未知类别发现，以及自然语言到道路要素的解析；\n3、负责研发BEV、3D空间的道路要素建模方法，实现道路要素的拓扑关系推理；\n4、负责面向真实道路场景，研发道路变化检测的人机协同生产算法，支持道路要素的自动更新；\n5、负责跟踪并落地VLA、世界模型、感知大模型、开放世界感知等方向中的可迁移技术，推动其在道路数据生产任务中的应用。\n\n职位要求\n1、计算机、人工智能、自动化、电子工程、机器人等相关专业，本科及以上学历；\n2、熟悉深度学习和计算机视觉基础，掌握至少一种主流视觉任务：目标检测、语义/实例分割、OCR、BEV感知、视觉检索等；\n3、具备良好的工程实现能力，熟练使用Python/C++，熟悉PyTorch，具备模型训练、数据清洗、评测体系建设等经验。\n\n加分项\n1、熟悉多模态大模型或视觉基础模型者优先，包括但不限于DINOv2/DINOv3、CLIP、Qwen-VL、InternVL、LLaVA、Florence、Grounding DINO等，或有多模态大模型后训练、视觉基础模型微调相关经验；\n2、熟悉道路场景理解、自动驾驶感知、车道线检测、道路变化检测，以及有数据闭环、难例挖掘经验者优先，或有自动驾驶感知、BEV感知、车道线检测、道路拓扑推理、道路变化检测相关项目经验；\n3、有感知融合经验，包括但不限于图像+轨迹、图像+GPS、图像+路网拓扑等；\n4、有路网自动化生产、数据闭环、自动标注、主动学习、道路要素更新等业务经验；\n5、有较强论文阅读和复现能力，在CVPR/ICCV/ECCV/NeurIPS/ICLR/AAAI/ICRA等会议发表论文者优先。\n1、负责研发面向复杂道路场景的视觉感知、多模态理解、变化检测算法，推动路网数据从人工采集编辑升级为多源感知+大模型理解的自动化产线；\n2、负责基于VLM、视觉基础模型、开集目标检测等技术，实现复杂道路场景中的长尾目标识别、未知类别发现，以及自然语言到道路要素的解析；\n3、负责研发BEV、3D空间的道路要素建模方法，实现道路要素的拓扑关系推理；\n4、负责面向真实道路场景，研发道路变化检测的人机协同生产算法，支持道路要素的自动更新；\n5、负责跟踪并落地VLA、世界模型、感知大模型、开放世界感知等方向中的可迁移技术，推动其在道路数据生产任务中的应用。\n1、计算机、人工智能、自动化、电子工程、机器人等相关专业，本科及以上学历；\n2、熟悉深度学习和计算机视觉基础，掌握至少一种主流视觉任务：目标检测、语义/实例分割、OCR、BEV感知、视觉检索等；\n3、具备良好的工程实现能力，熟练使用Python/C++，熟悉PyTorch，具备模型训练、数据清洗、评测体系建设等经验。\n\n加分项\n1、熟悉多模态大模型或视觉基础模型者优先，包括但不限于DINOv2/DINOv3、CLIP、Qwen-VL、InternVL、LLaVA、Florence、Grounding DINO等，或有多模态大模型后训练、视觉基础模型微调相关经验；\n2、熟悉道路场景理解、自动驾驶感知、车道线检测、道路变化检测，以及有数据闭环、难例挖掘经验者优先，或有自动驾驶感知、BEV感知、车道线检测、道路拓扑推理、道路变化检测相关项目经验；\n3、有感知融合经验，包括但不限于图像+轨迹、图像+GPS、图像+路网拓扑等；\n4、有路网自动化生产、数据闭环、自动标注、主动学习、道路要素更新等业务经验；\n5、有较强论文阅读和复现能力，在CVPR/ICCV/ECCV/NeurIPS/ICLR/AAAI/ICRA等会议发表论文者优先。",
    "standard_classification": {
        "std_category_code": "T034",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}