锦鲤求职岗位描述
工作职责
1. 核心视觉模型研发：负责体育赛事视频理解核心模型的构建、训练与优化，重点研究实时目标检测与跟踪（球员、球、裁判、场地标识等）、行为动作识别（射门、传球、运球、击球等）、关键事件检测（进球、犯规、得分、暂停等）技术，确保赛事核心信息捕获的准确性与实时性。
2. 多场景适配与鲁棒性优化：针对足、篮、乒等不同赛事的运动特性、场地规则差异，以及光照变化、遮挡、快速运动模糊等复杂场景，优化模型的泛化能力与鲁棒性，保障跨赛事、跨场景的稳定识别效果。
3. 视频语义信息提取：设计并实现赛事结构化数据生成方案，从视频流中提取球员轨迹、攻防转换节奏、战术阵型变化等语义信息，将原始视频数据转化为可被大模型理解的结构化特征与事件标签。
4. 实时性与工程化落地：优化模型推理速度与资源占用，结合TensorRT等推理加速框架，实现视频理解算法的端到端高效部署，满足赛事直播场景下的低延迟处理需求。
5. 跨模块技术协同：与AI解说大模型、多维可视化、数字人等模块紧密协作，定义视频理解结果的输出格式与交互标准，确保底层视觉特征与上层业务功能的高效衔接。
任职要求
1. 学历与专业：硕士研究生及以上学历，计算机科学、人工智能、计算机视觉、机器学习等相关专业。
2. 技术背景：扎实的计算机视觉与深度学习理论基础，熟练掌握Python和主流深度学习框架（如PyTorch/TensorFlow）。
3. 深刻理解目标检测、目标跟踪、动作识别、视频事件检测等核心视觉算法原理，具备相关模型（如YOLO系列、CNN-based、Transformer-based视频理解模型等）的研发与调优经验。
4. 熟悉视频处理流程与优化技术，有实时计算机视觉系统研发或工程化落地经验者优先。
5. 核心经验：具备体育赛事视频理解、动作识别、复杂场景目标跟踪相关项目经验者优先。
6. 熟悉多模态信息融合技术，有将视觉特征与文本/结构化数据结合的项目实践经验者优先。。
7. 能力素质：出色的逻辑思维和问题解决能力，对视频理解的准确性、实时性有极致追求。
8. 具备优秀的团队协作和沟通能力，能够与算法、工程、产品等多团队高效配合，推动技术落地。
9. 对AI技术在体育领域的应用有浓厚兴趣和热情。