1. 参与AI视频模型训练数据的美学质量评估,从构图、色彩、光影、运镜、节奏、表演、镜头语言等多维度对视频及图像数据进行判断,为模型训练筛选高质量学习素材
2. 参与视频及图像训练数据集的构建,覆盖影视、动画、广告、短视频等多种内容形态,保障数据的多样性与高质量
3. 测试视频/图像模型生成效果,评估模型短板,针对性收集和补充符合训练需求的优质素材
4. 参与制定美学评价标准与标注规范,指导和监测供应商标注人员的标注质量,通过持续沟通反馈提升标注效果
5. 与算法团队保持紧密沟通,将美学判断转化为可落地的标注标准,并根据反馈持续改进
6. 持续关注视频生成领域前沿动态及主流模型的效果演进,参与模型新功能与新版本创意讨论