计算机视觉算法实习生（多模态 OCC + Flow 方向）

参与 Camera + LiDAR 多模态 3D Occupancy / Scene Flow 算法研发，面向自动驾驶场景进行三维空间占用、语义理解及动态信息建模；

探索视觉与点云的多模态融合方法，包括但不限于 BEV / Dense Voxel / Sparse Voxel / Gaussian / Query-based 等三维场景表征，以及 LSS、2D-3D Cross Attention、Transformer 等特征融合方案；

参与 Occupancy Flow / Scene Flow / 4D Occupancy 等时序建模算法研发，利用多帧图像、点云及车辆位姿信息，对场景中的占用变化和运动信息进行预测；

参与模型训练、数据分析、指标评估及 Bad Case 分析，持续优化模型在 Occupancy 精度、Flow 精度、时序一致性以及推理效率等方面的表现；

硕士或博士在读，计算机科学、人工智能、自动化、电子信息、车辆工程等相关专业；

具备扎实的深度学习和计算机视觉基础，理解 CNN、Transformer、ViT、DINO 等常见网络结构；

对自动驾驶 3D 感知 / Occupancy / BEV / 多传感器融合中至少一个方向有一定了解，有相关课程、科研或项目经历；

熟悉 Python，能够使用 PyTorch 完成模型训练、调试和实验分析；具备基本的 Linux、Git 使用能力；

每周能够实习 4 天及以上，连续实习 4～6 个月及以上，能够长期实习者优先。