UP简历小U

+86 13800138000|xiaou.up@example.com|北京

个人总结

资深生成对抗网络（GAN）开发工程师，拥有<strong>5年</strong>以上人工智能及深度学习领域经验。精通各类GAN模型的设计、训练与优化，具备从理论到实践的<strong>全栈开发能力</strong>。在图像生成、数据增强、模型压缩等领域取得显著成果，致力于通过前沿AI技术驱动产品创新，实现业务价值。具备优秀的团队协作和问题解决能力。

工作经历

生成对抗网络开发工程师

百度（Baidu）

2021-07 - 2024-06

深度参与文心一言核心图像生成模块的研发与优化，负责Stable Diffusion、StyleGAN等前沿模型的定制化开发与部署。通过引入多尺度对抗训练和注意力机制，显著提升了生成图像的质量与多样性，用户满意度提升了18%。
主导开发了基于GAN的数据增强平台，为公司多个CV项目提供高质量合成数据。通过该平台，成功将小样本学习场景下的模型准确率提升了7.5%，并有效降低了数据标注成本20%。
负责GAN模型的推理性能优化，通过模型剪枝、量化和TensorRT加速技术，将模型推理速度提升了2.3倍，同时保持了99%以上的生成质量。
搭建并维护GAN训练与评估的Mops平台，自动化模型训练、评估、版本管理与部署流程，将模型迭代周期缩短了30%。
积极参与团队技术分享与知识沉淀，撰写内部技术文档5篇，指导2名初级工程师完成项目任务。

人工智能研发工程师

腾讯（Tencent）

2019-07 - 2021-06

参与腾讯AI Lab前沿深度学习项目，专注于图像生成、风格迁移和超分辨率方向的研究与实现。
负责CycleGAN和Pix2Pix模型的改进与应用，成功将其部署到腾讯优图实验室的图像处理服务中，提升了图像修复和风格转换的效率和效果，用户处理请求响应时间缩短了15%。
研发基于GAN的图像去噪算法，有效提升了复杂噪声环境下图像清晰度，在内部评测中，去噪后的图像PSNR值平均提升了2dB。
负责PyTorch和TensorFlow框架下的模型训练与调优，积累了丰富的分布式训练经验，成功训练了参数量超过1亿的大型生成模型。
与产品团队紧密协作，将AI算法封装为易于调用的API接口，支持了3个核心业务线的产品功能上线。

项目经历

基于Conditional GAN的高保真人脸生成系统

个人研究项目

2023-01 - 2023-08

独立设计并实现了基于Conditional GAN的高保真人脸生成系统，旨在根据文本描述或特定属性生成逼真的人脸图像。
采用StyleGAN2作为基准模型，引入了自注意力机制和多尺度判别器以提升生成细节和全局一致性，FID分数降低了12%，显著提升了生成质量。
收集并预处理了大规模人脸数据集，设计了高效的数据加载和增强管道，加快了模型训练速度20%。
实现了基于属性控制的人脸生成功能（如年龄、性别、表情等），用户可控性增强，满足了90%以上的用户定制化需求。
项目代码已开源至GitHub，获得500+星标。

对抗性样本生成与防御研究

清华大学（硕士毕业设计）

2018-09 - 2019-06

研究并实现了多种针对深度学习模型的对抗性样本生成算法（如FGSM、PGD），成功攻击了ResNet、VGG等主流分类模型，攻击成功率达到95%。
提出并验证了基于对抗训练和梯度掩蔽的防御策略，使模型在面对PGD攻击时，准确率提升了15%。
对算法的鲁棒性和可解释性进行了深入分析，撰写了毕业论文，并获得了“优秀毕业论文”称号。
通过实验证明，所提出的防御策略能够有效提升模型在真实世界场景中的安全性，降低恶意攻击风险80%。