主分类：计算机视觉与图像感知算法研发
辅助：大模型与生成式算法研发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "Camera Agent算法工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京、上海",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 视觉感知算法研发（图像/视频）\n负责场景分类、主体检测、人像分割、景深估计、画面质量评估、运动光流、视频时序建模等基础视觉算法的训练、优化、迭代、落地。\n2. Camera Agent智能体相关算法研发\n参与视觉智能体框架建设，负责预训练Camera Agent相关模型，包括多模态大模型，AIGC大模型，相机端侧模型相关的研发，微调和部署，包括功能实现,性生能优化,和部署应用等，学习并落地：场景自主识别、拍摄状态判断、构图评估、调参评估、拍摄引导、曝光/对焦策略自适应、智能运镜决策等逻辑，协助搭建全自动AI拍摄智能体能力。\n务中。\n3. 算法训练、数据与评测体系建设\n负责数据集制作、模型训练、消融实验、效果对比、主观/客观评测，输出标准化算法迭代报告。\n4. 端侧算法工程化落地\n配合完成模型轻量化、量化、推理测速、功耗优化，协助NPU部署与业务对接，保障视频/拍照实时性落地。",
"requirements_text": "1. 硕士及以上学历，计算机、电子信息、自动化、光学、人工智能、图像处理等相关专业，2025/2026应届毕业生。\n2. 扎实的数字图像处理、相机成像原理、机器视觉基础，了解ISP成像流程优先。\n3. 熟练深度学习基础：CNN/Transformer、检测/分割/分类网络，熟练使用PyTorch。\n4. 熟悉Python，掌握基础C++代码能力，了解端侧部署、模型量化、推理加速者优先。\n5. 熟悉OpenCV、视频处理、光流、多帧融合、图像降噪、HDR等传统视觉算法优先。\n6. 对Camera智能拍摄、视觉智能体、端侧AI、视频理解有浓厚兴趣，愿意长期深耕影像视觉方向。\n\n加分项\n1. 有影像算法、图像处理、视频增强相关项目、科研课题、竞赛经历。\n2. 了解高通Spectra ISP、RAW图像处理、手机成像链路。\n3. 接触过智能决策、强化学习、状态机、视觉具身智能、Agent相关技术。\n4. 有顶会论文、专利、视觉开源项目、模型轻量化落地经验。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"深度学习",
"强化学习",
"智能体开发"
],
"preferred_qualifications": "2. 扎实的数字图像处理、相机成像原理、机器视觉基础，了解ISP成像流程优先；4. 熟悉Python，掌握基础C++代码能力，了解端侧部署、模型量化、推理加速者优先；5. 熟悉OpenCV、视频处理、光流、多帧融合、图像降噪、HDR等传统视觉算法优先；加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7671129480778139967/detail"
}
]
},
"posting": {
"posting_id": "7671129480778139967",
"post_date": "2026-08-07",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7671129480778139967/detail"
},
"fulltext": "Camera Agent算法工程师\n职位描述\n1. 视觉感知算法研发（图像/视频）\n负责场景分类、主体检测、人像分割、景深估计、画面质量评估、运动光流、视频时序建模等基础视觉算法的训练、优化、迭代、落地。\n2. Camera Agent智能体相关算法研发\n参与视觉智能体框架建设，负责预训练Camera Agent相关模型，包括多模态大模型，AIGC大模型，相机端侧模型相关的研发，微调和部署，包括功能实现,性生能优化,和部署应用等，学习并落地：场景自主识别、拍摄状态判断、构图评估、调参评估、拍摄引导、曝光/对焦策略自适应、智能运镜决策等逻辑，协助搭建全自动AI拍摄智能体能力。\n务中。\n3. 算法训练、数据与评测体系建设\n负责数据集制作、模型训练、消融实验、效果对比、主观/客观评测，输出标准化算法迭代报告。\n4. 端侧算法工程化落地\n配合完成模型轻量化、量化、推理测速、功耗优化，协助NPU部署与业务对接，保障视频/拍照实时性落地。\n\n职位要求\n1. 硕士及以上学历，计算机、电子信息、自动化、光学、人工智能、图像处理等相关专业，2025/2026应届毕业生。\n2. 扎实的数字图像处理、相机成像原理、机器视觉基础，了解ISP成像流程优先。\n3. 熟练深度学习基础：CNN/Transformer、检测/分割/分类网络，熟练使用PyTorch。\n4. 熟悉Python，掌握基础C++代码能力，了解端侧部署、模型量化、推理加速者优先。\n5. 熟悉OpenCV、视频处理、光流、多帧融合、图像降噪、HDR等传统视觉算法优先。\n6. 对Camera智能拍摄、视觉智能体、端侧AI、视频理解有浓厚兴趣，愿意长期深耕影像视觉方向。\n\n加分项\n1. 有影像算法、图像处理、视频增强相关项目、科研课题、竞赛经历。\n2. 了解高通Spectra ISP、RAW图像处理、手机成像链路。\n3. 接触过智能决策、强化学习、状态机、视觉具身智能、Agent相关技术。\n4. 有顶会论文、专利、视觉开源项目、模型轻量化落地经验。\n1. 视觉感知算法研发（图像/视频）\n负责场景分类、主体检测、人像分割、景深估计、画面质量评估、运动光流、视频时序建模等基础视觉算法的训练、优化、迭代、落地。\n2. Camera Agent智能体相关算法研发\n参与视觉智能体框架建设，负责预训练Camera Agent相关模型，包括多模态大模型，AIGC大模型，相机端侧模型相关的研发，微调和部署，包括功能实现,性生能优化,和部署应用等，学习并落地：场景自主识别、拍摄状态判断、构图评估、调参评估、拍摄引导、曝光/对焦策略自适应、智能运镜决策等逻辑，协助搭建全自动AI拍摄智能体能力。\n务中。\n3. 算法训练、数据与评测体系建设\n负责数据集制作、模型训练、消融实验、效果对比、主观/客观评测，输出标准化算法迭代报告。\n4. 端侧算法工程化落地\n配合完成模型轻量化、量化、推理测速、功耗优化，协助NPU部署与业务对接，保障视频/拍照实时性落地。\n1. 硕士及以上学历，计算机、电子信息、自动化、光学、人工智能、图像处理等相关专业，2025/2026应届毕业生。\n2. 扎实的数字图像处理、相机成像原理、机器视觉基础，了解ISP成像流程优先。\n3. 熟练深度学习基础：CNN/Transformer、检测/分割/分类网络，熟练使用PyTorch。\n4. 熟悉Python，掌握基础C++代码能力，了解端侧部署、模型量化、推理加速者优先。\n5. 熟悉OpenCV、视频处理、光流、多帧融合、图像降噪、HDR等传统视觉算法优先。\n6. 对Camera智能拍摄、视觉智能体、端侧AI、视频理解有浓厚兴趣，愿意长期深耕影像视觉方向。\n\n加分项\n1. 有影像算法、图像处理、视频增强相关项目、科研课题、竞赛经历。\n2. 了解高通Spectra ISP、RAW图像处理、手机成像链路。\n3. 接触过智能决策、强化学习、状态机、视觉具身智能、Agent相关技术。\n4. 有顶会论文、专利、视觉开源项目、模型轻量化落地经验。",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}