光子AI-Omni 数据引擎仿真与高保真物理渲染研究

课题面向 Omni 音视频基础模型训练，研究高质量、可控制、可规模化的合成数据生成方法。重点探索程序化场景与交互事件生成、物理一致的视觉渲染与空间音频仿真、多视角长时序采集，以及音画同步和多模态真值自动标注，构建覆盖场景、角色、动作、相机、光照、声源与控制信号的完整数据生产体系；同时研究 Domain Randomization、真实数据风格迁移及模型反馈驱动的数据闭环，持续优化数据分布、难例覆盖和单位数据价值，为 Omni 模型的跨模态理解、音视频联合生成、时序一致性及实时交互能力提供数据基础。

1. 01

   计算机图形学、计算机视觉、人工智能或多模态相关方向博士，具有图形学、3D视觉、音频或生成模型相关研究成果；

2. 02

   精通离线渲染及 PBR 原理，深入理解光传输、材质、灯光、相机成像、运动模糊和采样降噪，能够控制合成数据的视觉真实性与分布；

3. 03

   熟悉 Unreal Engine、Houdini、Blender 或 Omniverse，具备 C++、Python、Blueprint/VEX 等开发和自动化管线建设能力；

4. 04

   熟悉程序化场景生成、物理仿真、多视角几何及3D资产体系，能够生成结构化、可控且物理一致的长时序视频数据；

5. 05

   理解音频生成与空间声学基础，熟悉音效事件、声源定位、混响、空间音频及音画同步中的一项或多项技术；

6. 06

   熟悉 USD、MaterialX、AOV/Render Pass、渲染农场及大规模任务调度，具备百万至亿级样本生产和质量治理经验者优先；

7. 07

   有 Omni/视频生成模型训练、合成数据闭环、可微渲染、神经渲染或 Sim-to-Real 项目经验者优先。