AIGC算法工程师（3D方向）-PICO（北京/上海）

优缺点分析

角色解读

• 技术专家路线：深耕3D视觉和AIGC，成为领域权威
• 管理路线：带团队负责算法方向，晋升为技术Leader
• 跨领域拓展：结合MR交互、渲染等方向，成长为全栈AI人才
• 研发三维生成与重建算法，如NeRF、3D高斯泼溅等，并推动在PICO MR设备中落地
• 跟踪CV/图形学顶会最新进展，将前沿技术转化为产品功能
• 与工程团队协作，优化算法性能和效果，确保在资源受限的MR设备上实时运行
• 撰写技术专利，保护团队创新成果
• 熟练掌握C++和Python编程，具备扎实的工程实现能力
• 深入理解传统3D视觉或深度学习重建方法，熟悉NeRF、3DGS等框架
• 了解AIGC三维生成前沿，如DreamFusion、Zero123、LRM等
• 具备较强的论文阅读和算法复现能力，有顶会发表经历更佳

申请策略

• 深入了解PICO产品和技术路线，在面试中展示你对MR场景的理解
• 准备一个端到端的算法Demo或项目复盘，体现从研究到落地的能力
• 突出三维重建/生成相关项目经验，例如NeRF、3DGS或Diffusion模型在3D中的应用
• 展示编程能力：C++/Python项目代码量、性能优化经历
• 强调顶会论文或开源贡献，体现研究能力
• 若有AR/VR或MR相关实习/项目，务必突出
• 复习经典3D重建方法（NeRF、MVS、SfM）和最新生成模型（DreamFusion、Zero123）
• 动手复现一个开源3D生成框架，并尝试改进

面试指南

• 对于原理类问题，采用‘定义-数学公式-关键步骤-优缺点’结构
• 对于设计类问题，使用‘问题定义-技术选型-实施方案-验证’框架
• 对于项目类问题，运用STAR方法（情境-任务-行动-结果），突出个人贡献
• 请详细解释NeRF的体渲染原理及其优缺点
• 如何将2D扩散模型（如Stable Diffusion）应用于3D生成？
• 比较3D高斯泼溅与NeRF在重建质量和速度上的差异
• 你如何评估一个3D生成模型的效果？有哪些指标？
• 谈谈你最有挑战的一个项目，如何解决的？