PhD Research Intern - Vision Language Models (Fall 24)

Встаньте на передний план инноваций в области развлечений с Dolby Laboratories. Наша стажировка в программе Dolby U предлагает трансформационный опыт работы, ориентированной на проекты, в динамичной и креативной обстановке. Работайте напрямую с лидерами отрасли, чтобы внедрять реальные решения, которые переопределяют коммуникацию и революционизируют создание, доставку и потребление развлечений по всему миру.

В Dolby вы найдете дружественную культуру, сложные проекты и всестороннюю компенсацию и льготы. Наслаждайтесь максимальной гибкостью благодаря нашей политике Flex Work, разработанной для поддержки того, где, когда и как вы выполняете свою лучшую работу. Если вы студент, стремящийся получить бесценный опыт через значимые вклады, присоединяйтесь к нам, чтобы создавать будущее, где технологии гармонично пересекаются с развлечениями.

Группа Advanced Technology Group (ATG) — это передовое исследовательское подразделение Dolby. Миссия ATG состоит в том, чтобы прокладывать путь, предоставлять идеи и разрабатывать технологические решения, способствующие непрерывному росту нашей компании. Наши эксперты специализируются в различных областях, включая ИИ/машинное обучение, алгоритмы, цифровую обработку сигналов, аудиоинженерию, обработку изображений, компьютерное зрение, науку о данных и аналитику, распределенные системы, облачные, периферийные и мобильные вычисления, компьютерные сети и Интернет вещей (IoT).

Как исследователь-стажер, специализирующийся на моделях Vision Language в Dolby, вы будете занимать передовые позиции в области технологий Vision Language. Под руководством ведущих экспертов в области медиа-технологий Dolby вы будете решать реальные задачи в области Vision Language, стремясь создать настраиваемый текстовый вывод на основе контекстуальных визуальных, текстовых и других модальностей для передовых мультимедиа-развлекательных впечатлений.

Эта роль базируется в нашем исследовательском офисе в Саннивэйле, штат Калифорния.

Требования к кандидату

Мы ищем текущих докторантов с опытом в области моделей Vision Language, особенно для анализа видео, понимания, ответа на вопросы и/или генерации текста. Кандидаты должны завершить как минимум один год своей докторской программы. Идеальные кандидаты должны обладать сильными техническими навыками, способностями к решению проблем, отличными коммуникативными и навыками сотрудничества, любознательностью и страстью к видео- или языковым технологиям. Желание вводить новшества и учиться у других крайне необходимо.

Основные направления работы

• Модели Vision Language для анализа и генерации контента (видео и/или текст).
• Анализ видео контента, его понимание и извлечение информации.
• Генерация текста с использованием больших языковых моделей (LLM) или многомодальных LLM на основе визуальных, текстовых и других модальностей.

Основные квалификации

• Докторант в области искусственного интеллекта, электротехники, компьютерных наук или смежной области.
• Подтвержденные результаты в исследованиях Vision Language, ИИ или анализа данных с продемонстрированными результатами через проекты, прототипы, патенты и рецензируемые публикации.
• Опыт работы исследователем (стажировки, постоянные роли или лабораторные работы).
• Владение Python и PyTorch.

Высоко желаемый опыт

• Создание демонстраций и прототипов для научных приложений.
• Разработка моделей Vision Language для анализа изображений/видео, их понимания, создания подписей, ответа на вопросы или генерации текста.
• Опыт тонкой настройки многомодальных LLM и/или моделей многомодальных основ.
• Написание технических отчетов и/или публикаций.
• Публикации, где вы являетесь автором, в рецензируемых