载人飞机-3D视觉算法博士实习生

1、深度参与低空飞行场景下的3D生成、重建及理解，参与从数据处理、模型设计与训练、算法优化到系统集成落地的全流程工作，解决低空环境（如复杂地形、动态目标、多传感器融合）下的 3D 建模核心问题。

2、跟踪国际前沿技术动态，重点关注生成模型（Diffusion/Flow Matching 等） 与前馈式 3D 重建模型（FeedForward 3D Reconstruction） 的最新研究成果，负责技术调研、方案论证与创新探索，形成高质量技术报告与专利提案。

3、牵头学术成果转化，负责撰写计算机视觉、3D 重建领域的国际顶会 / 顶刊论文（如 CVPR/NeurIPS/ICLR 等），推动研究成果在学术界与工业界的影响力落地

学历与专业背景

1、计算机科学与技术、计算机图形学、人工智能、自动化、机器人学等相关专业在读博士（优秀硕士可特殊考虑，需具备顶会论文或核心项目经验）。

技术能力

2、具备扎实的理论基础：熟悉计算机视觉、深度学习、3D 几何（如点云 / 网格 / 体素表示）、相机标定与多视图几何等核心知识。

3、模型经验与实践能力：

（1）精通至少一类主流生成模型架构（如 Diffusion Models、Flow Matching、Autoregressive Models），或深入理解数据驱动 3D 视觉模型（如 VGGT、Dust3R、NN-MVS、Mip-NeRF 等）；

（2）有完整的模型训练、微调、性能优化实践经验，能独立解决训练过程中的梯度消失、过拟合、效率瓶颈等问题。

4、工程开发能力：

（1）熟练掌握 Python 编程，精通 PyTorch/TensorFlow 等深度学习框架，能高效实现复杂模型与算法；

（2）熟悉 Hugging Face 生态（模型加载 / 微调 / 部署）、分布式训练工具（如 DDP、DeepSpeed）及数据处理库（如 Open3D、PyTorch3D、NumPy）；

（3）具备良好的代码规范与工程化思维，能独立完成算法原型开发与模块化封装。

（4）学习与沟通能力：具备快速学习新技术的能力，能清晰表达技术方案与研究思路，可高效协同跨职能团队推进项目。

加分项

1、学术成果：在计算机视觉 / 3D 重建 / 人工智能领域顶会 / 顶刊（CVPR/NeurIPS/ICLR/ICCV/ECCV/PAMI 等）以第一作者发表过相关论文，或拥有 3D 生成、3D 重建方向的核心专利。

2、项目与开源经验：有低空飞行、自动驾驶、机器人 3D 建模相关项目经验；或维护过高质量开源项目（如 3D 重建工具库、生成模型实现），代码规范与社区反馈良好。

3、实习与成果产出：具备6 个月及以上长期实习意愿，能快速融入团队并持续输出可落地的技术方案、学术成果或工程化模块，有能力主导细分方向的技术突破。

4、多模态技术经验：熟悉多传感器（LiDAR / 相机 / IMU）数据融合、点云与图像跨模态建模，或具备低空环境感知、动态目标重建相关经验者优先。

加入我们，你将会得到：

1、深入参与自动驾驶量产项目，积累丰富的量产经验

2、丰富的量产数据和大规模的算力资源，支撑前沿算法的探索

3、丰厚的实习津贴和良好的研究环境