阿里巴巴算法工程师-3D重建大模型（T-Star Lab）

核心职责与研究课题 1、物品3D大模型：聚焦淘宝商品的高还原度3D建模，产出比例结构、细节丰富度与实际物品具有高度一致性的3D模型 • 基于稀疏图片的3R建模技术，支持动态/静态场景，输出高精度位姿、点云、深度图、体素结构等信息； • 设计3D VAE算法，构建高效3D数据表示（点云/网格/体素），实现3D数据的高效压缩，提升模型在几何重建、纹理生成和潜在空间控制方面的性能； • 结合自回归（AutoRegressive）、强化学习（Reinforcement Learning）等技术，提高3D生成的精度、可控性和泛化性； • 突破材质属性预测与生成技术，实现PBR材质预测、可控高清材质生成等，重点关注文字、纹理细节效果； 2、数字人3D大模型：打造高写实数字人，产出细节丰富（尤其是人脸）、可驱动的3D模型 • 3D数字人生成算法，结合3DGS的表征能力和DiT的生成能力，实现端到端生成细节丰富、分辨率>1024的高精度人体3D模型，同时透出人体姿态等信息； • 3D数字人驱动技术，实现人体组件化、层次化拆解，实现自动化骨架绑定与蒙皮，确保驱动自然流畅。 T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper ④有机会提前获得秋招直通T-Star的正式Offer。

1. 协助参与游戏 3D 内容重建技术的研发与优化，包括 NeRF、3DGS、稀疏 / 稠密重建等方向的原型验证与技术调研； 2. 配合团队探索 3D 重建技术与游戏生产管线的集成方案，参与 AI 工具的初步开发与测试； 3. 跟进 3D 重建领域前沿论文，在指导下完成算法复现、小型验证项目，协助解决技术问题； 4. 配合策划、美术团队，参与 3D 重建技术的需求对接与效果迭代，积累项目落地经验。

1、 研发面向仿真的3D生成与重建算法，覆盖单体资产（关节体、可形变物体等）到场景级环境，产出几何合法、物理参数完备、可直接导入物理引擎的高质量3D模型与可交互仿真场景；打通从真实采集数据到可编辑仿真场景的链路； 2、 研发面向仿真训练的高通量渲染管线，包括但不限于3DGS批量渲染优化、物理引擎与渲染的耦合更新机制、以及多环境并行渲染架构，支撑大规模视觉强化学习的实时视觉观测需求； 3、 探索Agentic场景生成等前沿方向，利用驱动场景的自动化构建与迭代； 4、 优化研究Sim2Real闭环相关技术：域随机化、Real-to-Sim重建、合成演示数据生成等，提升具身策略在真实环境中的泛化能力。

1、负责神经渲染建模相关技术研究，包括模型表示、模型压缩、模型编辑、模型质量优化、模型仿真等等方面； 2、负责神经渲染建模相关图象图形技术研究，包括图像检测、分割、超分，位姿估计，Mesh模型优化等等； 3、负责扫描建模相关技术研究，包括可微分几何建模、可微分纹理生成、基于深度先验的建模算法等等； 4、负责神经渲染建模的渲染相关研究，包括重光照技术、神经渲染的材质表示、透明反光材质渲染等等； 5、负责结合生成技术做3D物体模型、3D场景模型的生成，保障生成模型的高效果、可控性等等。