多模态数据算法工程师 (流式视频)

职位描述

1、视频预处理与解码：负责原始视频的元数据探测、转码、HDR→SDR、黑边检测、音视频分离对齐。优化解码路径（FFmpeg / Decord / GPU decoder），保证大规模任务的吞吐与稳定性；

2、镜头与场景切分：设计并落地 shot / scene 切分：镜头边界检测、视觉特征场景合并、按边界切片、jump-cut 检测。建立边界 F1 / mIoU / 长度合规等评估，持续压误切、漏切；

3、视觉理解与结构化标注：接入 VLM 做视频 caption、语义打标、实体提取；接入开放词表检测、字幕擦除等视觉算子。保证标注 schema、token 用量、失败重试可统计、可回放。

任职要求

1、算法竞赛获奖经历，或为显著开源贡献者优先，计算机视觉 / 机器学习等相关专业，本科及以上，具有视频理解、视频处理或大规模数据生产经验；

2、精通 Python；熟悉 PyTorch 推理落地（加载、batch、混合精度、OOM 降级）。

3、熟悉视频容器与编解码：FFmpeg / ffprobe、H.264/H.265、PTS/DTS、转码与抽帧；有过长视频切分或直播流（如 MPEG-TS）踩坑经验更佳；

4、做过至少一类视觉模型生产化：CLIP / DINOv2 / 检测 / OCR / 质量评估 / VLM 打标中的若干项；

5、加分项：镜头边界 / 场景分割的论文或生产经验，有人工标注对齐、failure mode 分析；VLM 视频打标：prompt 设计、结构化输出、限流与 token 统计；字幕检测与擦除、人脸/实体检测、参考视频数据构建。