算法实习生 - 视频生成

优缺点分析

角色解读

• 可向三维视觉算法工程师方向发展，深入自动驾驶仿真领域
• 积累CUDA优化经验后，可转向高性能计算或图形学方向
• 表现优秀可转正，成为公司核心算法团队成员
• 研发基于3DGS的三维重建算法，用于自动驾驶场景重建与仿真
• 优化模型性能，包括显存、渲染速度和质量指标
• 搭建数据闭环，处理多视图图像、位姿估计和点云融合
• 跟踪并复现SOTA论文，建立评测体系
• 扎实的Python和C++编程能力，熟悉PyTorch框架
• 掌握三维视觉基础，如多视图几何、NeRF或3DGS
• 良好的数学基础，特别是线性代数和空间几何
• 工程落地导向，关注性能指标和调优经验

申请策略

• 了解小马智行的自动驾驶技术路线，在面试中展现对公司的兴趣
• 准备一个三维重建相关的项目案例，详细说明技术细节和成果
• 突出三维视觉相关项目经验，如NeRF或3DGS实现
• 强调Python和C++编程能力，以及PyTorch使用经验
• 展示数学基础，如线性代数成绩或相关竞赛
• 如有CUDA或性能优化经验，务必提及
• 提前学习3DGS论文和开源代码，理解原理
• 练习PyTorch模型训练和调参技巧

面试指南

• 对于原理性问题，先给出定义，再对比相关技术，最后结合实际应用
• 对于优化问题，从问题分析、方案设计、实验验证三个步骤回答
• 对于项目经验，使用STAR法则（情境、任务、行动、结果）结构化描述
• 请解释3D Gaussian Splatting的原理及其与NeRF的区别
• 如何优化3DGS模型的显存占用和渲染速度？
• 描述一个你使用PyTorch从零训练模型的经历，遇到过哪些问题？
• 多视图几何中，如何估计相机位姿？COLMAP的基本流程是什么？
• 你对自动驾驶仿真场景生成有什么了解？