工作职责：
负责多媒体（包括但不限于图片和视频）的内容理解工作。
对多媒体内容进行特征提取，例如尺寸、清晰度、人脸识别、二维码识别、暴力或色情识别等。
根据图文关联性，识别出网页中与图像相关的关键词或标签。
执行相似图片检验，识别并处理重复或相似的图像内容。
计算图片质量分数，并据此进行优化调整。
构建图像和视频检索的多模态模型，提升多媒体内容的检索质量和效率。
职位要求：
计算机科学或相关专业本科以上学历，3年以上相关工作经验。
具备计算机视觉和图像处理相关经验，对多媒体内容理解有深入理解和实践经验。
熟悉经典的视觉模型和多模态模型，例如Vision Transformer, CLIP等。
具有深厚的数据结构和算法基础，精通Python、C++等至少一种编程语言。
熟练使用深度学习框架，如TensorFlow、PyTorch等，具有良好的理论基础和实践经验。
具备良好的团队协作精神和沟通能力，有责任心，能承受一定的工作压力。