通用图像与AIGC鉴伪实习生

参与通用图像及AIGC鉴伪模型与算法的研发与优化，包括真实/伪造数据集构建、模型预训练/微调、对抗鲁棒性及复杂场景泛化能力优化等技术的研究与落地应用；

参与AI生成图像检测、生成式编辑检测、生成模型指纹分析等相关算法研究，重点探索跨生成器泛化（Cross-Generator Generalization）、开放集识别（Open-set Recognition）、分布外检测（OOD Detection）及未知生成模型检测等前沿技术；

参与端到端图像鉴伪算法体系设计与优化，研究基于空间域、频域、噪声残差、生成指纹及Foundation Model表征的鉴伪方法，提升算法在文生图、图生图、局部重绘等复杂AIGC场景下的准确性与泛化能力；

负责跟踪和调研AIGC Detection、Multimedia Forensics、AI Safety等领域的前沿技术、行业方案及学术成果，持续迭代优化现有算法体系。

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、图像处理、电子信息等相关专业；

有AIGC检测、图像鉴伪、计算机视觉、生成模型、数字图像取证、多媒体安全等相关研究或技术落地背景优先；

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CNN、Vision Transformer、CLIP等视觉模型，以及GAN、Diffusion等主流生成模型基本原理；

熟悉Domain Generalization、OOD Detection、Open-set Recognition、Self-supervised Learning、Foundation Model等方向中的一种或多种技术，有跨数据集、跨生成器泛化研究经验者优先；

在CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、ACM MM、AAAI等相关领域顶级会议发表过论文，或具有相关高水平科研项目及实习经验者优先；

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、沟通和团队协作能力。