Momenta4D重建算法实习生(Mstar)
任职要求
1.计算机科学、机器人学、电子工程等相关专业硕士以上学历； 2.精通线性代数、概率论、优化理论，熟悉深度学习模型（Transformer、CNN、RNN 等）、生成式模型（如Stable Diffusion等）； 3.具备扎实的计算机视觉、多视图几何、SLAM、NERF、3D Gaussian Splatting等理论基础； 4.精通 Python/C++ 编程，熟悉常用深度…
工作职责
1.研发基于多传感器（激光雷达、摄像头等）的4D时空场景重建和生成算法，融合时序信息实现动态物体和静态场景高精度建模； 2.研发场景生成、可交互视频生成等技术，支持自动驾驶场景的高保真场景生成，用于端到端自动驾驶算法的闭环仿真和强化学习训练； 3.结合闭环仿真结果，对场景生成相关算法进行迭代，推动端到端自动驾驶系统的联合优化。
1.研发基于多传感器（激光雷达、摄像头等）的4D时空场景重建和生成算法，融合时序信息实现动态物体和静态场景高精度建模； 2.研发场景生成、可交互视频生成等技术，支持自动驾驶场景的高保真场景生成，用于端到端自动驾驶算法的闭环仿真和强化学习训练； 3.结合闭环仿真结果，对场景生成相关算法进行迭代，推动端到端自动驾驶系统的联合优化。
1. 负责计算机视觉项目开发、包括但不限于：3D/4D重建、目标跟踪、3DGS或Nerf的深度学习模型的实现与优化； 2. 协助算法设计与实现，完成模型训练、调优及性能评估； 3. 负责阅读并复现前沿论文，探索技术落地可能性； 4. 负责撰写技术文档、输出算法设计、实验分析及项目总结报告。
本项目聚焦于多模态交互数字人技术的前沿探索，旨在基于对话双方的多模态上下文（包括文本、语音、视频等），实现3D数字人表情与肢体动作的实时生成与动态驱动，显著提升数字人的拟人性、情感表达能力与临场感。研究成果将支撑虚拟主播、情感陪伴、沉浸式人机交互等创新应用场景。
1. 负责自动驾驶业务场景下的感知算法研发，调研跟进前沿算法，辅助业务落地，包括但不限于： a）激光雷达3D多任务感知，如3D Object Detection，3D Semantic Segmentation， 3D Occupancy Flow Prediction, EndToEnd, World Model等； b）BEV视觉感知和前融合算法，如BEVDet，BEVFusion，Occupancy Network等； c）感知全链路研发，如跟踪，多传感器融合等； 2. 负责自动驾驶数据算法研发，助力数据自动化生产和4D真值构建，包括单不限于： a) SLAM/SFM算法研发； b) 基于Deep Learning的MonoDepth/Multi-View Stereo算法研发； c）NerF相关算法研发； d）大模型AIGC、LMM、NerF、3D Gaussian生成等技术研发； 3. 将相关结果总结沉淀，发表高水平论文 。