AIGC多模态内容痕迹分析与可解释溯源实习生

1、参与AIGC图像、视频、音频等多模态内容的深度鉴伪、伪造痕迹分析及可解释溯源算法研发，研究AI生成与篡改内容在空间域、频域、时序域、噪声域及深度特征空间中的伪造痕迹与生成特征；

2、参与AIGC内容的细粒度痕迹检测与分析技术研究，包括生成指纹（Generative Fingerprint）、篡改区域定位（Manipulation Localization）、异常特征挖掘、跨模态一致性分析等，提升对不同生成模型、生成方式及复杂后处理场景下伪造内容的深层鉴别能力；

3、参与AIGC鉴伪可解释性与溯源技术研究，探索从“真伪判别”向“伪造区域定位—痕迹证据提取—伪造方式识别—生成模型归因”的多层级鉴伪技术，实现鉴伪结果的可解释、可验证与可溯源；

4、负责跟踪和调研AIGC Detection、Deepfake Detection、Generative Fingerprint、Explainable AI、Generator Attribution等领域的前沿技术、行业方案及学术成果，持续迭代优化现有深度鉴伪与溯源算法体系。

1、硕士及以上学位在读，计算机科学、人工智能、机器学习、计算机视觉、信号处理、电子信息等相关专业；

2、有AIGC检测、Deepfake检测、多模态内容安全、伪造痕迹分析、生成模型归因、可解释人工智能等相关研究或技术落地背景优先；

3、熟练掌握Python、C/C++等编程语言及PyTorch等主流深度学习框架，熟悉图像、视频、音频等多模态信号处理及深度学习技术，了解GAN、Diffusion、Transformer及多模态生成模型基本原理；

4、熟悉Generative Fingerprint、Manipulation Localization、Feature Attribution、Cross-modal Consistency、Generator Attribution、Explainable AI等方向中的一种或多种技术，有AIGC鉴伪、伪造痕迹分析或生成来源溯源研究经验者优先；

5、在CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、ACM MM、AAAI等人工智能、计算机视觉及多媒体领域顶级会议发表过相关论文，或具有AIGC安全、深度鉴伪、多模态内容安全相关科研项目及实习经验者优先；

6、具备良好的自主学习能力和科研自驱力，逻辑思维清晰，具备优秀的科研创新、实验分析、沟通和团队协作能力。