岗位描述
岗位职责
基于深度学习与生成模型,研究和实现3D内容生成算法,包括但不限于前馈式 3D Gaussian Splatting(3DGS)生成与渲染、3DGS补全、Mesh生成、纹理生成等任务。
设计并优化从多模态输入(文本 / 图像 / 视频 / 3D数据)到可用于引擎或业务落地的3D资产的完整AIGC生成流程,包括数据处理、模型训练、推理加速与效果评估。
针对3DGS表示下的遮挡区域、缺失区域等问题,研究补全/重建算法,并探索与NeRF、SDF、点云、Mesh等多种3D表示的联合建模与转换。
跟踪AIGC、3DGS、Text-to-3D、Diffusion等前沿技术发展趋势,输出技术规划与方案,并推动算法在实际项目中的工程落地与持续优化。
岗位要求
计算机、人工智能、电子信息、应用数学等相关专业,硕士及以上学历,具备扎实的深度学习与概率模型基础。
熟悉PyTorch等一种或多种主流深度学习框架,具备独立完成模型实现、训练、调参与部署的能力。
对生成模型有较好理解,熟悉其中一种或多种:Diffusion Models、GAN、VAE、Flow-based Models 等,有图像/视频生成或AIGC相关经验者优先。
熟悉3D视觉或计算机图形学相关知识,对以下方向有实际项目或研究经验之一者优先:
3D Gaussian Splatting / NeRF / SDF 等隐式或显式3D表示