研究科学家 - 可控3D生成
岗位摘要
开展关于流匹配、扩散和基于分数的方法在3D生成和重建中的前沿研究；设计和实现可扩展的训练流程，用于可控3D生成（网格、高斯、NeRFs、体素、隐式场）；开发用于条件控制和多视图一致性的技术（文本、草图、姿势、相机、物理）
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 开展关于流匹配、扩散和基于分数的方法在3D生成和重建中的前沿研究
- 设计和实现可扩展的训练流程，用于可控3D生成（网格、高斯、NeRFs、体素、隐式场）
- 开发用于条件控制和多视图一致性的技术（文本、草图、姿势、相机、物理）
- 通过消融、可视化和定量指标分析模型行为
- 与跨学科研究、图形和基础设施团队合作，将研究成果转化为生产就绪系统
- 在顶级会议发表成果，并与实习生合作
任职要求
- 机器学习、计算机视觉或计算机图形学领域的博士学位（或同等经验）
- 在扩散、流匹配或基于分数的生成模型（2D或3D）方面有发表成果
- 强大的工程和问题解决能力：熟悉PyTorch、JAX或CUDA级优化
- 理解3D表示（网格、高斯、有符号距离场、体素网格、隐式网络）
- 扎实的几何处理、多视图一致性和可微分渲染知识
- 能够高效扩展实验并清晰传达复杂结果
福利待遇
- 有生成具有多个交互对象、照明和空间布局的连贯3D场景的经验
- 熟悉场景级控制（对象放置、相机路径、模拟或文本到场景组合）
- 了解视频到3D、图像到场景或4D时间生成
- 具备基于物理的渲染、模拟或世界模型架构的背景
- 有影响力的出版物或开源发布的记录
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。