奔驰
Intern_3DGS Recon. Algorithm/3DGS静态环境重建算法实习生
Intern_3DGS Recon. Algorithm/3DGS静态环境重建算法实习生
发布于 5 个月前实习/见习
上海市
初级经验
实习生
仅现场办公
硕士
研究与开发 (研发)
Nerf
自动驾驶
计算机视觉
3DGS
CUDA
PyTorch
ROS
TensorRT
AI 估算 · 8k–15k
作为顶尖车企的算法研发实习岗，涉及前沿3D视觉技术，薪资在实习生中具备较强竞争力，能提供宝贵的大厂项目经验。
职位详情
关于这个职位
这是一个在梅赛德斯-奔驰从事3D静态环境重建算法研究的实习岗位
你将参与基于3DGS、NeRF等前沿技术的时空场景重建与生成算法的研发工作，并有机会处理大规模内部数据集，开发必要的工具，在自动驾驶研发平台上探索和验证新的研究思路
最低要求
[Required:] 1. Understanding on computer vision, multi-view geometry, SLAM, NeRF, 3DGS
Familiar with Python programming. 3. Familiar with PyTorch, experience of building a data preprocess, training and model exporting python packages. 5. Foundation in linear algebra, probability theory, and optimization theory.
工作职责
Main Tasks: - Spatiotemporal scene reconstruction and generation algorithms such as3DGS, NeRF. - Necessary data processing on the sensor and dataset data. - Necessary tools development for the research. Learning Opportunities: 1. Work on the scene reconstruction/generation research and development with the large scale MB internal dataset. 2. Develop start-of-the-art 3DGS based reconstruction/generation method. 3. Opportunities to work on the project as a pure developer with Mercedes-Benz algorithm and software engineering team. 4. Explore and validate new research ideas on the Mercedes-Benz autonomous driving RD platform.
优先资格
[Prefered:] 1. Research backgroud on 3DGS, NeRF, differentiable rendering. 2. Good research background on AI, CV or Robotics. 3. Familiar with C++ and ROS programming, familiar with ROS related tools usage. [Bonus:] 1. Development or research experience on Street Gaussian, OmniRe, Feed-Forward 3DGS. 1. Development or research experience on CUDA and TensorRT programming. 2. Hands on experience on Autonomous Driving car/system development. 3. Top conference paper on AI, CV and Robotics is a plus.
AI 洞察
优缺点分析
优点
- 平台优势显著：在全球顶级汽车品牌梅赛德斯-奔驰的自动驾驶团队实习，品牌和项目经验含金量高
- 技术前沿：直接接触并研发3DGS、NeRF等计算机视觉领域最前沿的重建与生成技术
- 资源丰富：有机会处理大规模、高质量的内部真实数据集，这是学术研究中难以获得的宝贵资源
- 团队专业：能与专业的算法和软件工程团队合作，学习工业级研发流程和工程化思维
- 技术门槛高：要求对3D视觉、深度学习有深入理解，并具备较强的工程实现能力，学习曲线陡峭
- 竞争激烈：此类顶尖公司的核心算法实习岗位申请者众多，通常对候选人的背景和技能要求非常严格
- 该职位非常适合对3D计算机视觉、自动驾驶充满热情，具备扎实算法基础和工程能力的硕士在读学生，希望在国际化工业环境中积累前沿研发经验
缺点 / 挑战
- 可能面临从研究想法到实际验证的挑战，需要在算法创新和工程落地之间找到平衡
角色解读
- 实习期积累的3D视觉和自动驾驶算法经验，是未来成为计算机视觉算法工程师或自动驾驶感知算法工程师的坚实基础
- 在跨国巨头企业的研发团队中工作，能接触到工业级项目流程和前沿技术，为后续攻读博士或进入顶尖研发岗位铺平道路
- 出色的实习表现可能获得转正机会，在奔驰的算法或软件工程团队中继续深耕自动驾驶领域
- 你将专注于研发基于3DGS和NeRF等前沿技术的时空场景重建与生成算法
- 你需要对传感器和数据集进行必要的数据处理，并开发支持研究的工具
- 你将有机会在梅赛德斯-奔驰的大规模内部数据集上进行场景重建/生成的研发工作
- 你将在公司的自动驾驶研发平台上探索和验证新的研究想法
- 扎实的计算机视觉、多视图几何、SLAM、NeRF和3DGS理论基础
- 熟练的Python编程能力，以及使用PyTorch构建数据处理、训练和模型导出流程的经验
- 良好的线性代数、概率论和优化理论数学基础
- 熟悉C++、ROS及相关工具，以及CUDA/TensorRT编程经验是重要的加分项
申请策略
- 仔细研究梅赛德斯-奔驰在自动驾驶领域的最新动态和技术方向，在申请材料中体现你的关注和思考
- 准备好清晰阐述你的研究兴趣如何与岗位的“探索和验证新研究想法”这一机会点相结合
- 重点突出与3DGS、NeRF、SLAM或计算机视觉相关的课程项目、研究课题或竞赛经历，并量化成果
- 详细描述使用Python和PyTorch进行模型开发、训练和部署的全流程项目经验，特别是涉及3D数据处理的环节
- 如有相关顶会论文发表、知名竞赛获奖或自动驾驶相关项目/实习经历，务必放在醒目位置
- 展示扎实的数学基础（线性代数、概率论、优化）以及在C++、ROS、CUDA等加分技能上的实践经验
- 深入理解3DGS和NeRF的原理、最新进展及代码实现，可以通过复现经典论文或参与相关开源项目来加强
- 强化工程能力，特别是使用PyTorch进行模型训练、调试和部署的熟练度，以及必要的C++和ROS编程技能
面试指南
- 对于项目类问题，采用STAR法则（情境、任务、行动、结果）结构化回答，重点突出你的技术贡献和解决问题的思路
- 对于原理类问题，先清晰定义核心概念，然后逻辑清晰地阐述关键技术和流程，最后可以结合应用场景或最新进展进行延伸
- 对于方案设计类问题，展现你的系统思维，从问题定义、方案设计、工具选择、到潜在难点和评估指标，逐步展开说明
- 请详细介绍一个你参与的与3D重建、NeRF或SLAM相关的项目，你具体负责什么，遇到了什么挑战，如何解决的？
- 请解释一下3D Gaussian Splatting (3DGS) 的基本原理和它与传统NeRF方法相比的优劣势
- 你如何设计一个数据预处理流程来处理多视角图像数据，以用于3DGS或NeRF模型的训练？
- 在PyTorch中，你是如何组织一个完整的模型训练Pipeline的？包括数据加载、模型定义、损失函数、优化器和训练循环
- 如果让你在奔驰的自动驾驶平台上验证一个新的场景重建算法想法，你会如何规划这个验证实验？
职位点评
Watch Jobs