三维建模算法工程师

岗位职责
1、核心算法研发与优化：
深入研究并优化3DGaussianSplatting算法，重点提升其在大规模场景（城市级、工厂、大型室内空间）中的三维重建效率、渲染质量及内存管理能力。

2、挑战性场景攻坚：
攻克弱纹理与重复纹理区域的建模难题，通过算法创新融合多源数据（如点云、IMU等），实现稳定且完整的三维结构恢复。

3、多模态数据融合：
设计并实现激光雷达点云、RGB图像、相机位姿等多源信息的高精度自动对齐与联合优化算法流程。

4、系统集成与部署：
将核心算法进行模块化封装，并与现有C++/Python系统架构无缝集成，保障系统的稳定性与可扩展性。

5、技术跟踪与创新：
持续关注CVPR、ICCV、SIGGRAPH等国际顶级会议的前沿进展，快速完成新方法的实验验证并推动落地应用。

任职资格
1、技术栈精通
编程语言：
熟练掌握C++(11/14/17)，具备扎实的Linux环境下大型项目开发、调试及性能调优经验。

GPU编程：
精通CUDA开发，具备独立编写、调试和优化CUDA内核的能力，熟悉Nsight等相关分析工具。

脚本语言：
熟练使用Python及主流科学计算库（NumPy,PyTorch）。

2、专业领域知识：
深刻理解3DGaussianSplatting的理论基础，具有实际项目开发或修改开源实现（如gaussian-splatting）的经验。
熟悉StructurefromMotion(SfM)、Multi-ViewStereo(MVS)、SLAM等传统多视图几何算法体系。
具备激光点云处理经验，掌握点云配准（如ICP、NDT）、滤波、分割等常用技术。

3、问题解决能力
具备优秀的逻辑分析与技术攻关能力，能够独立承担高难度的研发任务。

4、优先考虑
具有解决大场景下内存溢出、训练耗时过长等问题的实际项目经验。
具备图像与激光点云（或其他传感器）自动标定、对齐与融合的实践经历。
熟悉至少一种主流深度学习框架（PyTorch为必需），有修改底层算子或开发自定义CUDA算子的经历。
在CVPR、ICCV、ECCV、SIGGRAPH等顶级会议或期刊发表过相关论文。
了解计算机图形学实时渲染管线（如OpenGL、Vulkan、DirectX之一）。