计算机视觉算法实习生（VLM-多模态）

1、参与自动驾驶通用 Occupancy 真值与多模态语义重建算法研发，融合 LiDAR、Camera 及位姿信息，构建高质量三维占据与语义真值，支撑自动驾驶模型训练、评测与数据生产；

2、参与基于 VLM 的占据语义纠错与精细化分类算法研发，利用视觉语言理解、开放词汇识别与场景上下文信息，解决传统分割方法中类别划分不够细致、长尾类别识别不足、相似类别易混淆等问题，提升 Occupancy 真值的语义准确性与类别覆盖度；

3、研究二维语义与三维占据的关联及融合方法，将 VLM 的对象识别与语义判断同目标定位、精细分割及点云几何结合，实现像素 / 区域语义向点云与体素的准确映射，维护跨视角、跨帧语义一致性，改善遮挡、稀疏观测与动态场景下的真值质量；

4、参与面向自动驾驶场景的 VLM 领域适配与数据闭环建设，探索类别体系对齐、提示词优化、领域微调与不确定性评估，结合多视角观测和几何约束进行输出校验，实现错误样本挖掘、自动质检与人工复核协同，降低语义真值生产成本；

5、参与算法工程化落地，开展 Bad Case 分析与重建质量评估，建立语义 mIoU、细粒度类别准确率、跨帧一致性及人工抽检等评估流程，持续优化算法精度、鲁棒性，以及大规模数据处理下的计算效率和内存 / 显存占用

任职要求

1、硕士或博士在读，计算机科学、人工智能、自动化、电子信息、测绘遥感、数学等相关专业；

2、具备扎实的计算机视觉与深度学习基础，理解语义 / 实例分割、视觉语言模型及跨模态特征对齐等基本原理，了解三维坐标变换、点云投影与体素表示等基础知识；

3、对 VLM、开放词汇检测 / 分割、多模态学习、三维语义重建或 Occupancy 中至少一个方向有一定了解，有相关课程、科研或项目经历，能够结合实验分析模型效果与失效原因；

4、熟悉 Python / PyTorch，能够阅读和修改开源模型代码，具备基本的模型训练、推理、实验复现能力，熟悉 Linux、Git 等开发工具；

5、每周能够实习 5 天及以上，连续实习 3 个月及以上，能够长期实习者优先。

加分项

1、有 VLM 领域适配、参数高效微调、视觉定位、开放词汇检测 / 分割或细粒度识别实践，具备将视觉语言模型与分割模型结合，用于自动标注、语义纠错或标注质检的项目经验；

2、熟悉 nuScenes、SemanticKITTI、Waymo 等自动驾驶数据集，有点云—图像融合、多视角语义融合、三维语义分割、Occupancy 真值生成或大规模多模态数据处理经验；具备 C++、Open3D、CUDA 或模型推理优化经验者优先；

3、在 CVPR、ICCV、ECCV、NeurIPS、ICRA、IROS 等相关会议或期刊发表过论文，或有高质量开源项目 / 竞赛经历。