图形算法研究员（深度学习布料仿真方向） - AI引擎

优缺点分析

角色解读

• 实习优秀可转正，成为AI引擎团队正式研究员，深入参与核心算法研发
• 未来可向图形学算法专家或深度学习研究员方向发展，发表顶会论文
• 也可横向拓展至游戏引擎其他模块（如渲染、动画），成为全栈图形学工程师
• 研究并实现基于深度学习的布料仿真算法，提升物理模拟的真实感和效率
• 将算法集成到米哈游自研引擎的实时管线中，确保稳定性和性能
• 参与论文复现、算法改进以及实验验证，推动前沿技术在游戏中的应用
• 与团队成员协作，解决工程落地中的技术难题
• 扎实的深度学习基础，熟悉MLP、CNN、GNN、Transformer等网络结构在仿真中的应用
• 熟练使用PyTorch或TensorFlow，具备良好的代码规范和调试能力
• 计算机图形学知识，对物理仿真（如布料、碰撞检测）有了解
• 较强的工程素养和问题分析能力，能够将算法高效落地

申请策略

• 在简历中附上个人技术博客或项目链接，增加技术深度展示
• 了解米哈游游戏（如原神、崩坏系列）中的物理效果，面试中可结合案例讨论
• 突出深度学习在物理仿真或图形学相关项目的经验，如布料模拟、流体仿真等
• 列出发表的论文或开源项目，尤其是顶会论文或高质量GitHub仓库
• 强调PyTorch/TensorFlow使用熟练度，以及GPU编程经验（如CUDA）
• 展示代码规范性和工程能力，例如大型项目中的模块设计
• 提前复习图形学基础知识，特别是布料仿真的经典方法（如位置动力学、有限元）
• 动手实现一个简单的基于神经网络的仿真demo，如使用MLP预测布料变形

面试指南

• 对于技术问题，先阐述基本原理，再结合自身项目经验给出具体实现思路
• 对于工程问题，强调从研究到落地的完整流程，包括性能优化、内存管理、跨平台适配等
• 对于开放性问题，展示对行业的思考，并联系米哈游的业务方向
• 请解释深度学习如何在布料仿真中替代传统方法？
• 你用过哪些图神经网络？如何将其应用于物理仿真？
• 如何将训练好的神经网络模型部署到实时渲染管线中？
• 描述一个你参与过的与图形学或深度学习相关的项目
• 你对米哈游哪款游戏的物理效果印象深刻？如何改进？