科研算法工程师（图形3D重建与生成方向 ）

研究与开发（满足其中一项即可） 面向单物体与场景级3D 重建（几何/外观）：如多视图/稀视角重建、隐式/显式表示与优化等； 几何 + 外观（SVBRDF/材质）联合估计与可编辑渲染/重光照； 3D 生成：文本/图像/视频到 3D，或生成与重建的融合（补全、细节增强等）。 技术创新 跟踪三维重建、逆渲染、神经场与 3D 生成前沿，提出并实现新方法； 产出高质量论文/专利/开源成果，沉淀可复现的基准与工具链。 学术交流 参与/组织学术与产业交流（CVPR/ICCV/ECCV/SIGGRAPH/NeurIPS 等），展示阶段性成果与最佳实践

教育背景：计算机图形学、计算机视觉、人工智能、计算摄影、机器人等相关专业，本科及以上，硕/博优先； 技术技能：编程与工程：熟练使用一种主流编程语言（如 Python/C++）与良好工程实践；熟悉一种主流深度学习框架（如 PyTorch/TensorFlow/JAX）。 满足其一或若干项即可： -三维基础：具备多视图几何/相机模型/优化等基础能力，或熟悉三维数据处理（点云/网格/体素/隐式表示等）中的一种常用路径；熟悉任一开源或自研的重建/配准/标定工具（如 COLMAP）。 -表示与渲染：了解至少一种 3D 表示（Mesh/Point Cloud/NeRF/3DGS/SDF 等）及其训练或渲染流程；对可微渲染/逆渲染/材质建模等方向中的任一方向有实操或研究经历者优先。 -生成建模：熟悉扩散/生成模型在 3D 中的任一典型应用（Text/Image/Video-to-3D、几何/外观生成等）。 加分项 硬件部署经验：实际 LiDAR、结构光、深度相机部署与多传感器标定； 真实世界场景标定与材质扫描流程搭建