PhD Research Intern - Vision Language Models (Fall 24)

Wejdź do czołówki innowacji w rozrywce z Dolby Laboratories. Nasz program stażowy Dolby U oferuje transformacyjne, projektowe doświadczenie zawodowe w dynamicznym, kreatywnym środowisku. Współpracuj bezpośrednio z liderami branży, aby wdrażać realne rozwiązania redefiniujące komunikację i rewolucjonizujące tworzenie, dostarczanie i czerpanie przyjemności z rozrywki na globalną skalę.

W Dolby odkryjesz koleżeńską kulturę, wymagające projekty oraz kompleksowe wynagrodzenie i benefity. Ciesz się maksymalną elastycznością dzięki naszej polisie Flex Work, zaprojektowanej tak, aby wspierać cię tam, gdzie, kiedy i jak najlepiej wykonujesz swoją pracę. Jeśli jesteś studentem chętnym zdobyć bezcenne doświadczenie poprzez znaczący wkład, dołącz do nas w kształtowaniu przyszłości, w której technologia płynnie łączy się z rozrywką.

Advanced Technology Group (ATG) to zaawansowany dział badawczy Dolby. Misją ATG jest pionierstwo, dostarczanie wglądów i innowacji technologicznych rozwiązań, które napędzają ciągły rozwój naszej firmy. Nasi eksperci specjalizują się w różnych dziedzinach, w tym AI/ML, algorytmach, cyfrowym przetwarzaniem sygnałów, inżynierii dźwięku, przetwarzaniu obrazu, wizji komputerowej, analizie danych, systemach rozproszonych, chmurze, edge & mobile computing, sieciach komputerowych i IoT.

Jako Stażysta Badawczy skupiający się na Modelach Językowych Wizji w Dolby, będziesz zaangażowany w najnowocześniejsze technologie językowe wizji. Pod opieką czołowych ekspertów technologii medialnych Dolby, będziesz stawiać czoło realnym wyzwaniom języka wizji, mając na celu generowanie spersonalizowanych tekstów na podstawie kontekstowych danych wizualnych, tekstowych i innych modalności, aby tworzyć zaawansowane doświadczenia multimedialne.

Ta rola jest zlokalizowana w naszym biurze badawczym w Sunnyvale, Kalifornia.

Wymagania Kandydata

Szukamy obecnych doktorantów z doświadczeniem w modelach językowych wizji, szczególnie w analizie wideo, rozumieniu, odpowiadaniu na pytania i/lub generowaniu tekstów. Kandydaci powinni mieć ukończony co najmniej jeden rok doktoratu. Idealni kandydaci będą posiadać silne umiejętności techniczne, zdolności rozwiązywania problemów, doskonałe umiejętności komunikacji i współpracy, dociekliwy umysł oraz pasję do technologii wideo lub językowych. Chęć innowacji i uczenia się od innych jest niezbędna.

Kluczowe Obszary Skupienia

• Modele językowe wizji do analizy i generowania treści (wideo i/lub tekstu).
• Analiza treści wideo, rozumienie i wyszukiwanie informacji.
• Generowanie tekstów przy użyciu dużych modeli językowych (LLM) lub multimodalnych LLM opartych na wizualnych, tekstowych i innych modalnościach.

Kwalifikacje Podstawowe

• Doktorant w dziedzinie Sztucznej Inteligencji, Inżynierii Elektrycznej, Informatyki lub pokrewnej dziedzinie.
• Udokumentowane osiągnięcia w badaniach nad językiem wizji, AI lub analizie danych potwierdzone poprzez projekty, prototypy, patenty i recenzowane publikacje.
• Doświadczenie jako badacz (staże, pełnoetatowe role lub praca w laboratorium).
• Biegłość w Pythonie i PyTorch.

Wysoce Pożądane Do