Vincent
科研助理
纽约大学 · 1年经验
日薪：
￥1200/8h
地点：
海外 全区
时间：
可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
深度学习与计算机视觉： 熟练掌握 PyTorch、TensorFlow 等深度学习框架，具备扎实的计算机视觉理论知识，包括图像分割、点云配准、目标检测等。
生成模型与图像处理： 熟悉 Diffusion Models、GANs 等生成模型，具备图像处理、风格迁移、图像压缩等方面的实践经验。
模型优化与部署： 具备模型量化、剪枝等优化技术经验，熟悉 ONNX 模型转换与部署，能够在 Orin 等嵌入式平台上进行模型优化。
算法设计与实现： 具备较强的算法设计与实现能力，能够针对特定问题提出创新解决方案，并将其转化为高效的代码实现。
科研能力： 具备良好的科研素养，能够阅读和理解学术论文，并将其中的方法应用于实际项目中。
团队协作与沟通： 具备良好的团队协作精神和沟通能力，能够与团队成员高效合作，共同完成项目目标。
生成模型与图像处理： 熟悉 Diffusion Models、GANs 等生成模型，具备图像处理、风格迁移、图像压缩等方面的实践经验。
模型优化与部署： 具备模型量化、剪枝等优化技术经验，熟悉 ONNX 模型转换与部署，能够在 Orin 等嵌入式平台上进行模型优化。
算法设计与实现： 具备较强的算法设计与实现能力，能够针对特定问题提出创新解决方案，并将其转化为高效的代码实现。
科研能力： 具备良好的科研素养，能够阅读和理解学术论文，并将其中的方法应用于实际项目中。
团队协作与沟通： 具备良好的团队协作精神和沟通能力，能够与团队成员高效合作，共同完成项目目标。
项目经验
个性化多主题文本到图像生成： 在 Dream Diffusers 项目中，我成功地将多个个性化概念融入到 Pixel-Art 中，并通过语义分割和概念保留损失函数等创新技术，提升了模型在多主题重构、艺术渲染和属性修改等方面的表现。
低重叠点云配准： 在 Masked Point Cloud Registration 项目中，我提出了一种将 MaskNet 与 Multi-Level DCP 相结合的新方法，显著降低了 RTE 指标，并提高了配准精度。
自动泊车与车道线检测： 在 SenseTime 实习期间，我设计并实现了用于自动泊车感知的道路实例分割端到端建模流程，并提出了实时 ARD 车道线跟踪和 3D 车道线检测框架，取得了优于现有技术的性能。
用于有损压缩的隐式神经表示： 在中科院计算所实习期间，我通过集成低比特网络量化，改进了 SIREN 模型，实现了更高的压缩率、更低的精度损失和更高的 PSNR。
低重叠点云配准： 在 Masked Point Cloud Registration 项目中，我提出了一种将 MaskNet 与 Multi-Level DCP 相结合的新方法，显著降低了 RTE 指标，并提高了配准精度。
自动泊车与车道线检测： 在 SenseTime 实习期间，我设计并实现了用于自动泊车感知的道路实例分割端到端建模流程，并提出了实时 ARD 车道线跟踪和 3D 车道线检测框架，取得了优于现有技术的性能。
用于有损压缩的隐式神经表示： 在中科院计算所实习期间，我通过集成低比特网络量化，改进了 SIREN 模型，实现了更高的压缩率、更低的精度损失和更高的 PSNR。
Vincent
科研助理 · 1年经验 · 纽约大学
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
深度学习与计算机视觉： 熟练掌握 PyTorch、TensorFlow 等深度学习框架，具备扎实的计算机视觉理论知识，包括图像分割、点云配准、目标检测等。
生成模型与图像处理： 熟悉 Diffusion Models、GANs 等生成模型，具备图像处理、风格迁移、图像压缩等方面的实践经验。
模型优化与部署： 具备模型量化、剪枝等优化技术经验，熟悉 ONNX 模型转换与部署，能够在 Orin 等嵌入式平台上进行模型优化。
算法设计与实现： 具备较强的算法设计与实现能力，能够针对特定问题提出创新解决方案，并将其转化为高效的代码实现。
科研能力： 具备良好的科研素养，能够阅读和理解学术论文，并将其中的方法应用于实际项目中。
团队协作与沟通： 具备良好的团队协作精神和沟通能力，能够与团队成员高效合作，共同完成项目目标。
生成模型与图像处理： 熟悉 Diffusion Models、GANs 等生成模型，具备图像处理、风格迁移、图像压缩等方面的实践经验。
模型优化与部署： 具备模型量化、剪枝等优化技术经验，熟悉 ONNX 模型转换与部署，能够在 Orin 等嵌入式平台上进行模型优化。
算法设计与实现： 具备较强的算法设计与实现能力，能够针对特定问题提出创新解决方案，并将其转化为高效的代码实现。
科研能力： 具备良好的科研素养，能够阅读和理解学术论文，并将其中的方法应用于实际项目中。
团队协作与沟通： 具备良好的团队协作精神和沟通能力，能够与团队成员高效合作，共同完成项目目标。
项目经验
个性化多主题文本到图像生成： 在 Dream Diffusers 项目中，我成功地将多个个性化概念融入到 Pixel-Art 中，并通过语义分割和概念保留损失函数等创新技术，提升了模型在多主题重构、艺术渲染和属性修改等方面的表现。
低重叠点云配准： 在 Masked Point Cloud Registration 项目中，我提出了一种将 MaskNet 与 Multi-Level DCP 相结合的新方法，显著降低了 RTE 指标，并提高了配准精度。
自动泊车与车道线检测： 在 SenseTime 实习期间，我设计并实现了用于自动泊车感知的道路实例分割端到端建模流程，并提出了实时 ARD 车道线跟踪和 3D 车道线检测框架，取得了优于现有技术的性能。
用于有损压缩的隐式神经表示： 在中科院计算所实习期间，我通过集成低比特网络量化，改进了 SIREN 模型，实现了更高的压缩率、更低的精度损失和更高的 PSNR。
低重叠点云配准： 在 Masked Point Cloud Registration 项目中，我提出了一种将 MaskNet 与 Multi-Level DCP 相结合的新方法，显著降低了 RTE 指标，并提高了配准精度。
自动泊车与车道线检测： 在 SenseTime 实习期间，我设计并实现了用于自动泊车感知的道路实例分割端到端建模流程，并提出了实时 ARD 车道线跟踪和 3D 车道线检测框架，取得了优于现有技术的性能。
用于有损压缩的隐式神经表示： 在中科院计算所实习期间，我通过集成低比特网络量化，改进了 SIREN 模型，实现了更高的压缩率、更低的精度损失和更高的 PSNR。
案例展示
基于视觉感知的自动泊车与车道线检测系统
在 SenseTime 实习期间，我参与了自动驾驶感知系统的研发，主要负责自动泊车和车道线检测模块。 自动泊车： 设计并实现了用于自动泊车感知的道路实例分割端到端建模流程，通过准确分割道路区域，为车辆提供可靠的泊车引导。 车道线检测： 提出了实时 ARD 车道线跟踪框
个性化多主题文本生成图像
Dream Diffusers 是一个基于扩散模型的文本到图像生成项目，旨在实现个性化多主题图像生成。作为项目负责人，我带领团队实现了以下创新： 多主题融合： 将多个个性化概念融入到 Pixel-Art 中，使得生成的图像更具创意和表现力。 语义分割与概念保留： 开发了创
立即沟通
