我们是vivo影像AF技术团队，正在构建下一代移动端计算摄影系统，自动对焦作为成像质量的核心环节，正经历从传统控制论到端到端深度学习的范式转变。我们寻找具备跨领域综合能力的博士研究员，参与从光学建模、ISP链路优化到深度学习感知的全栈技术攻关，推动手机自动对焦系统的技术边界。 核心职责： 1、算法研究与系统设计： （1）主导自动对焦全链路技术预研，覆盖对比度检测、相位检测、激光测距、ToF 等多路传感器融合方案的算法设计与优化； （2）研究基于深度学习的场景感知与对焦策略，包括主体检测、深度估计、显著性分析在 AF 决策中的应用； （3）设计并优化镜头马达控制算法，研究快速收敛、抗抖动、低功耗的闭环控制策略； 2、ISP 链路协同： （1）深入理解 RAW 域信号特性，研究 PDAF 相位差提取、散焦模糊估计在 ISP pipeline 中的实现机制； （2）参与 AF 统计信息模块的算法设计，优化对焦评价函数在不同光照、纹理、运动场景下的鲁棒性； （3）与 ISP 硬件团队协作，推动算法在 ASIC/DSP 上的高效落地； 3、技术规划与预研： （1）跟踪学术前沿，将新技术转化为可落地的工程方案； （2）参与长期技术路线规划，对比分析不同 AF 架构的性能与成本权衡。 1、计算机视觉、信号处理、光学工程、电子工程或相关方向博士学历； 2、扎实的数学基础：优化理论、概率统计、线性代数、信号处理； 3、核心能力（以下方向有深入研究者优先）： （1）深度学习：熟悉目标检测/分割/深度估计模型，有轻量化部署经验者加分； （2）图像算法：理解对焦评价函数设计、散焦模型、频域分析；熟悉 Bayer 域信号处理； （3）光学基础：掌握薄透镜模型、景深/焦深理论、像差对 AF 性能的影响； （4）控制理论：了解 PID/模型预测控制在 VCM 驱动中的应用，理解马达迟滞建模； （5）ISP 链路：理解 AF/AE/AWB 协同机制，有 ISP 模块级开发或仿真经验者优先。 4、加分项： （1）有顶会/顶刊论文发表（CV、图像处理、光学相关方向）； （2）有手机/相机厂商实习经历，接触过真实 ISP pipeline 或 AF 调试； （3）熟悉 MATLAB/Python 原型开发 + C/C++ 工程落地的双栈能力。
