用模板做网站会被盗吗,html网站制作答辩ppt,开发公司出纳收款制度,有人有片资源吗免费的视频文章目录 题记自我介绍图形学AI技术问题项目细节3D资产有哪些表示形式在结合神经网络的时候#xff0c;3D数据都如何表示目前观察到比较成功的AIgraphics领域的成功落地案例目前在生成式AI#xff08;GenAI#xff09;上的一个趋势目前想到未来可以落地的技术 C基础用8 bit的… 文章目录 题记自我介绍图形学AI技术问题项目细节3D资产有哪些表示形式在结合神经网络的时候3D数据都如何表示目前观察到比较成功的AIgraphics领域的成功落地案例目前在生成式AIGenAI上的一个趋势目前想到未来可以落地的技术 C基础用8 bit的二进制表示-1的形式 后记 题记
面试经验第二贴索尼旗下的PS英国组。
简单交代背景 HR在LinkedIn上联系我二月中旬聊了第一次。HR面试大多是了解目前的就业情况确认毕业时间然后简单了解个人能力和目标组的匹配情况。 因为走的社招渠道毕业在夏季HR暗示目前希望尽快入职2-3个月内做了个比较开放的结尾说看情况到时候有没有招到合适的人到时候再看看。
本想着机会不大了三月下旬又收到了新的一轮面试安排。因为初步只约了30分钟我以为又是类似HR面试基本没有怎么准备。结果面试开始之后两位面试官都是技术项其中之一是未来的manager另一位是西班牙裔的博士十几年前毕业吓得我直冒冷汗。
以下记录45分钟的面试问题。
自我介绍
自我介绍部分真是每个面试必做的事情可以提前准备好重点突出自己的经历和优势以及适当引导面试官往比较匹配的项目经验上提问。
图形学AI技术问题
项目细节
因为之前有做过几个相关的客户项目这个部分主要是基于简历上写的两个项目进行介绍。 幸好没有细问技术细节我有一些忘了看来简历上的内容都得好好准备和复习一下。
3D资产有哪些表示形式
mesh surface贴图volume/场。
在结合神经网络的时候3D数据都如何表示
如果使用图神经网络GNN来进行特定任务的处理如3D资产分类则可以将3D数据的顶点直接作为输入数据初始化GNN。这个思路的问题是3D资产的顶点可能会很多会对图神经网络造成很大的初始化和后续连阶层/卷积层的计算量。使用radiance field主要借鉴NeRF所有的空间信息/特性如不透明度、颜色都保存在全连接层的参数中。使用网格进行初始化如nvdiffrec但这类算法的局限在于不能表示非常复杂、非常高精度的模型容易产生破面且重建的模型拓扑受初始化网格的限制。
目前观察到比较成功的AIgraphics领域的成功落地案例
DLSSNVIDIA的超采样技术结合超分辨率思路到提升图形渲染的画质。audio2face/audio2gesture基于输入的音频生成渲染角色的面部动作。
目前在生成式AIGenAI上的一个趋势
毫无疑问在视觉的生成任务里如2D图像生成、视频生成、以及3D生成目前stable diffusion及其变形算法在主导。
另一方面LLM大语言模型会更深入影响到各个任务比如辅助2D图像生成以及改进3D场景的构建。
目前想到未来可以落地的技术
这道题是开放问题需要平时多观察和留意。 我回答的是3D资产生成还有基于LLM自动化构建游戏场景。
C基础
用8 bit的二进制表示-1的形式
这题非常自信地答错了。正确答案是全为1即1111 1111。 其中第一个1是符号位后面是取逆的结果。 和同学讨论出一个很好理解的思路即-110因此8 bit的1表示为0000 0001则 0000 0000 - 0000 0001 1111 1111
所有的负数表示主要围绕计算来设计这个思路可以拓展到任意其他的负数表示上。
后记
目前还在等待面试结果中继续加油
P.S. 转眼距离19年清明假期写下的那篇论文解读已经过去了5年。回看过去几年真的发生了很多有时候时间很长回顾的时候才发现走过了这么多有时候时间很短专注于当下认真做事不想那么多静待一切发生。
又是春天了万物生长慢慢前行吧。
