vivo3D算法专家（杭州&上海）
任职要求
硬性条件（必须满足） 1. 学历与经验： 计算机/自动控制/电子信息/数学等相关专业硕士及以上学历，6年以上计算机视觉算法研发经验（博士可放宽至4年）； 2. 技术能力： 精通C++/Python，熟练掌PyTorch/TensorFlow； 至少满足以下方向之一： A. 三维重建与生成：SFM、MVS、3D AIGC，等； B. 新视角合成：NeRF、Gaussian-Splatting； C. 空间感知：深度估计（单目、双目、TOF）、SLAM、空间语义理解，语义三维重建、光照估计，等； 优先…
工作职责
1. 核心技术攻关：主导基于视觉信息的3D内容生产，突破高质量内容、高效率生产等技术瓶颈； 2. 前沿技术的场景化探索：研究3D视觉方向（包含但不限于：三维重建与生成、新视角合成、空间感知）的前沿技术趋势，探索技术场景化的路径，结合业务需求孵化创新应用。
1. 负责3D建模算法研究与应用，包括但不限于Gaussian Splatting建模，位姿估计，光照估计、可微渲染。 2. 研究AIGC算法在移动终端和3D建模算法中的算法研发，推动可控生成，画质增强，新视点生成等核心技术的探索。 3. 与工程、产品团队配合，推动团队成果的应用落地； 4. 带领实习生发表前沿学术论文，撰写专利等，推进技术进步。
1. 负责移动终端空间感知技术的难题攻关，包括但不限于深度感知、三维重建、光照估计； 2. 负责空间感知方向的前沿技术及应用研究，论证前沿技术产品化的可行性，进行技术方案的设计。
ꔷ Mesh修复与优化：负责“Mesh自动化修复引擎”的研发，解决AIGC模型输出的网格破洞、非流形、漂浮件、法线错误、噪点等问题，实现高质量的水密（Watertight）网格输出和自动化重拓扑（Retopology）。 ꔷ 可制造性分析： 研发3D模型可制造性（3D打印）智能分析算法，自动检测薄壁、悬垂角度、过小细节、打印风险等，并输出分析报告与修复建议。 ꔷ AI参数化基座生成：攻坚“AI参数化基座生成器”V1至V2。研发算法智能分析主体Mesh的姿态、尺寸和接口特征，自动从CAD标准库中匹配、生成并融合参数化基座（如吊坠扣、戒指圈、印章底座），解决Mesh与CAD的“最后一公里”融合难题。 ꔷ 智能支撑生成：针对SLA/DLP等高精度打印工艺，开发智能支撑生成算法，实现支撑结构的最优化（易拆卸、少接触面、省材料）。 ꔷ 几何算法库构建：负责几何处理相关算法库的搭建、性能优化与维护。
ꔷ 模型选型与评测：负责跟踪和深度评测业界前沿的Text/Image-to-3D模型（如混元、VAST、Meshy等），建立“文玩”品类的评测基准（Benchmark），从质量、速度、成本、可塑性等多维度输出评估报告，并参与制定技术共建方案。 ꔷ 训练框架搭建：主导或参与自建3D AIGC训练框架，实现SFT（监督微调）、PO（偏好优化）、RLHF以及模型蒸馏等全套“后训练”链路。 ꔷ 模型SFT与强化：深入“文玩”业务场景，构建高质量SFT数据集（如品类黑话、风格化），对底座模型进行微调，使其更懂品类。 ꔷ 可打印性优化：探索使用PO/RLHF技术，构建“高可打印性”偏好数据集，训练AIGC模型使其倾向于生成结构稳定、易于修复、符合制造标准的3D模型，构建核心数据与模型壁垒。 ꔷ 模型优化与部署： 负责3D生成模型的轻量化、蒸馏和加速，优化推理速度和成本，满足平台规模化应用需求。