莉莉丝游戏3D场景实习生（模型方向）

1. 将深度学习图形图像领域技术结合游戏场景进行创新研究； 2. 负责计算机视觉/图形学相关核心技术在游戏相关领域的算法与落地应用工作，包括但不限于如下方向：3D生成，3D重建，3D人脸/头发/人体，表情/动作，渲染，蒙皮，材质等； 3. 借助游戏平台及数据推动技术前沿的发展，并且能够快速落地应用到业务中； 4. 发表高质量论文或撰写专利，提升技术影响力。

1. 负责小红书站内搜索广告智能创意，在搜索场景下对小红书站内广告文案、视频、图片等素材进行内容理解，并生成投放高竞争力素材，提高转换效率。 2. 负责广告创作平台的算法能力优化，利用算法能力为广告主提供投前、投中、投后各类洞察或者提效功能。 3. 追踪业界创意、多模态及Generative AI方向最新技术，落地应用并提升广告创意理解、自动生成和优化等场景的效果。

1、负责地图内的白盒美术资产替换与美术白盒制作； 2、负责配合概念同学落地设计方案与制作布局设计方向，并且明确整体制作方向； 3、负责地图整体模型资源协调与品质把控，并且拆分外包资产第三方资源回收整理与整合； 4、负责地图灯光氛围营造与制作，基于概念方向扩展性制作灯光氛围与关卡主题内容，突出地图亮点。

三维空间计算在推动城市数字化转型与智能化应用方面发挥着至关重要的作用，然而，大规模、高精确度三维数据的生成与分析面临重重挑战，包括高昂的成本、较低的效率及应用场景的局限性。近年来，图像驱动的三维场景建模技术与多模态大语言模型技术的飞速进步，为解决这一难题提供了新途径。这些技术使得利用丰富的二维图像与语言数据精准构建和解析复杂的三维空间成为可能，进而为城市规模的大场景多模态数据整合与智能计算开辟了新前景，特别是在空间智能等前沿应用领域。聚焦于大规模二三维融合计算的挑战，本项目旨在深入探究并实施三项关键技术的研发： 1、空间数据融合：探索一种通用的技术框架，实现地理地图、街景图像、三维点云、地址文本等多种空间数据的融合，通过建立它们之间的关联，挖掘更深层次的空间特征（例如位置、方向、语义信息），以增强对复杂空间环境的表达与理解能力； 2、三维空间计算：研究并利用3D多模态大语言模型的潜能，使模型不仅能够定性分析场景的语义内容与空间结构（如依据图像进行地址描述、预测遮挡效果、执行碰撞检测），还能够进行精确的定量计算（如精确地理定位、精细几何尺寸计算），从而提升三维空间信息处理的深度与广度； 3、空间应用创新：基于上述二三维融合计算的核心技术突破，结合大语言模型的功能，探索并验证新型空间智能应用场景与服务模式，推动技术成果转化与行业应用创新。