一、崗位職責(Responsibilities)
1)負責 3D Gaussian Splatting(3DGS)相關算法的開發(fā)與工程落地
- 參與多視角圖像 / 視頻等數(shù)據(jù)的預處理、清洗與管理
- 負責或參與 3DGS 的訓練、推理與渲染流程的工程化實現(xiàn)
- 對系統(tǒng)在顯存占用、訓練效率、渲染速度及效果質量等方面進行持續(xù)優(yōu)化
2)結合生成式模型,提升 3D 內容生成質量與生產效率
- 將 Diffusion、GAN 等生成式模型應用于 3DGS 的細節(jié)增強、紋理補全或結果優(yōu)化
- 在效果、性能、算力成本之間進行工程級權衡,形成可復用方案
3)搭建和維護穩(wěn)定、可復現(xiàn)的算法訓練與推理流程
- 設計并維護訓練 / 推理腳本、配置體系和實驗管理流程
- 確保代碼穩(wěn)定、結構清晰、結果可復現(xiàn),支持長期迭代
4)與產品、平臺、渲染及前后端團隊協(xié)作推進算法落地
- 將算法能力封裝并集成到真實業(yè)務系統(tǒng)中
- 配合產品需求進行算法能力拆分、接口設計與性能評估
5)基于業(yè)務需求,對前沿算法進行工程級改造與取舍
- 對前沿算法進行工程級改造、取舍與優(yōu)化
- 為系統(tǒng)穩(wěn)定性、效率和可維護性負責
二、任職要求(Requirements)
1)3D Gaussian Splatting(3DGS)工程經驗
- 具備 3DGS 實際工程經驗,有完整訓練、渲染或部署落地經歷
- 能理解并修改現(xiàn)有 3DGS 實現(xiàn),對參數(shù)、流程和系統(tǒng)穩(wěn)定性進行調優(yōu)
2)扎實的深度學習工程基礎
- 熟練使用 PyTorch 等深度學習框架
- 能獨立完成模型訓練、調參、調試及部署工作
3)生成式模型的工程實踐經驗
- 有 Diffusion / GAN / VAE 等至少一種生成式模型的實際使用經驗
- 理解生成模型在真實工程場景中的性能開銷與成本約束
4)良好的工程能力與職業(yè)素養(yǎng)
- 熟練掌握 Python,具備良好的代碼結構設計與工程習慣
- 能獨立推進任務,具備良好的溝通能力和跨團隊協(xié)作意識
三、加分項(Strong Plus)
- 熟悉 NeRF / 3D 重建 / 3D 渲染相關技術或管線
- 有將生成式模型與 3D / 圖像 / 視頻任務結合的落地經驗
- 了解多模態(tài)生成、跨模態(tài)表示或相關工程實踐
- 有算法產品化、系統(tǒng)性能優(yōu)化或大規(guī)模數(shù)據(jù)處理經驗