禾赛
基础几何模型算法工程师
基础几何模型算法工程师
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
3D Gaussian Splatting
4Dgs
Cuda
Pytorch
Sfm
Slam
并行计算
深度学习
计算机视觉
值不值得投
78综合评分
综合评分 78
前沿3D视觉算法专家岗，技术挑战与成长空间极大，适合追求硬核技术发展的求职者。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
48K
比计算机视觉工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
66 个在招
市场机会
选择面较广
上海 · 计算机视觉工程 · 82 个在招
职位详情
关于这个职位
这是一个专注于前沿3D/4D视觉算法研发的高级算法工程师职位
您将负责研发最新的3D/4D基础模型，主导前馈式高斯泼溅等前沿重建算法的突破，并优化传统3D重建流程
核心目标是将这些前沿AI算法与产品需求紧密结合，通过技术创新实现动态场景的高效、高保真建模，并推动技术在实际产品中的工程化落地
最低要求
热情与探索精神：对人工智能技术怀有极大的热情与信念，具备强烈的探索精神和创新意识，渴望在3D视觉/世界模型领域取得突破
综合素质：具备卓越的创新能力和团队协作精神，能够在高压环境下保持冷静，独立分析并推动解决复杂的技术难题
教育背景：计算机科学、应用数学、模式识别、机器学习、机器人学或相关专业硕士及以上学历，或具备同等的丰富工作经验
技术深度：熟练掌握主流深度学习框架（如PyTorch/TensorFlow）
具备扎实的三维视觉基础，熟悉多视图几何、相机模型、SLAM、SfM、3D高斯泼溅等技术
深入理解前馈式（Feed-Forward）3D重建范式及动态场景建模（4DGS）者优先
工程能力：精通数据结构与算法设计，熟悉并行计算，可以充分利用AI Agent能力加速自身开发过程
工作职责
前沿3D/4D视觉算法研发：负责研发、跟踪并改进以VGGT、DA3、V-DPM、D4RT等为代表的最新3D&4D基础模型，探索其在动态场景理解与建模中的应用
Feed-Forward 3D/4DGS算法研发：主导前馈式3D高斯泼溅（Feed-Forward 3DGS）与4D高斯泼溅（4DGS）算法的研发
致力于实现从单张或多张图像到可渲染3D场景的快速、泛化重建，并探索其在动态场景时空建模与实时渲染中的应用，突破传统逐场景优化的效率瓶颈
D/4D重建算法重构：针对具体业务场景，利用前沿基础几何模型优化SLAM与SfM等传统算法流程，解决大规模、高保真的3D/4D重建中的效率与精度问题
AI产品化落地：紧密结合产品需求，将前沿的3D AI算法进行工程化落地，通过技术创新显著提升产品的生产效率与最终效果
优先资格
在CVPR、ICCV、ECCV、NeurIPS、SIGGRAPH等顶级会议或期刊上发表过高质量论文
在GitHub上拥有高星开源项目，或在知名计算机视觉竞赛中取得优异成绩
有实际的大规模3D/4D重建或机器人视觉感知项目经验
熟悉CUDA编程，有模型压缩、量化及端侧部署经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿：工作内容直接接触CV、机器人感知领域最前沿的3D视觉算法（如4DGS），技术成长天花板高
- 应用明确：算法研发有清晰的产品落地场景（如激光雷达、机器人感知），能直接看到技术价值
- 公司平台：身处上市企业，拥有稳定的资源和大规模数据、场景来验证和优化算法
- 技术难度大：涉及底层视觉算法、实时渲染、大规模优化等多个高难度技术栈，需要快速学习和深度思考
- 需要持续学习：3D视觉领域发展日新月异，需紧跟学术前沿（如VGGT、DA3等），保持知识更新
- 适合对计算机视觉、3D重建有深厚理论功底和浓厚研究兴趣，追求技术创新，并乐于将前沿算法转化为实际产品力的硕士及以上学历的求职者
缺点 / 挑战
- 挑战性强：解决从前沿研究到工程落地的全链路复杂问题，个人能力能得到全面锻炼
- 产品化压力：需平衡算法的先进性与工程实现的可行性、实时性要求，推动落地可能存在挑战
角色解读
- 技术专家路线：在3D/4D视觉领域持续深耕，成为该方向的技术权威，参与核心算法架构设计
- 研究科学家路线：在顶级学术会议或期刊上发表成果，引领前沿技术的研究方向
- 技术负责人路线：带领团队攻坚关键算法难题，负责技术选型和产品化落地决策
- 研发和改进最新的3D/4D视觉基础模型，探索其在动态场景中的应用
- 主导前馈式3D/4D高斯泼溅算法的研发，目标是实现从图像到可渲染场景的快速、泛化重建
- 利用前沿模型优化传统的SLAM、SfM等3D重建算法，提升其效率与精度
- 将前沿的AI算法与产品需求结合，进行工程化开发，以技术驱动产品效果和生产效率的提升
- 扎实的深度学习理论与实践能力，熟练使用PyTorch/TensorFlow等框架
- 深厚的三维视觉知识基础，精通多视图几何、相机模型、SLAM、SfM、3D Gaussian Splatting等核心算法
- 对前沿的3D重建范式（如Feed-Forward）和动态场景建模（4DGS）有深入理解
- 强大的工程能力，包括数据结构与算法、并行计算，以及利用AI工具提升开发效率
申请策略
- 仔细研究禾赛的产品线（激光雷达、3D传感器）和业务方向，理解该算法岗位如何支撑其核心产品
- 准备一个能清晰展示你解决复杂3D视觉问题能力的项目演示或代码仓库，这会比简历更有说服力
- 突出与3D/4D视觉、SLAM、SfM、3D Gaussian Splatting直接相关的研究项目或论文，特别是动态场景理解方面的经验
- 详细描述使用PyTorch/TensorFlow等框架解决实际复杂视觉问题的具体案例和技术细节
- 列举在顶级会议（CVPR、ICCV、SIGGRAPH等）发表的论文，或高星开源项目、竞赛获奖经历
- 强调算法工程化能力，如大规模数据处理、模型优化、性能调优、并行计算（CUDA）经验
- 深入学习并实践最新的3D基础模型（如VGGT、DA3等）和高斯泼溅（3DGS/4DGS）技术，可尝试复现相关论文
- 系统复习和深化多视图几何、最优化理论等三维视觉数学基础
面试指南
- 采用STAR法则（情境-任务-行动-结果）回答行为问题，重点突出你的个人贡献、技术决策和最终效果
- 对于技术原理问题，先阐述核心概念，再结合具体场景或自己的实践经验进行分析，可以对比不同技术路线的优劣
- 对于开放性设计问题，展现你的技术视野和工程思维，提出合理的假设、技术选型和实现路径，并说明可能的风险与权衡
- 请描述一个你过去做过的最复杂的3D重建或视觉感知项目，你在其中负责什么？遇到了哪些关键挑战，如何解决的？
- 请解释一下3D Gaussian Splatting (3DGS) 相较于NeRF等传统方法的主要优势和劣势
- 你认为它在动态场景（4DGS）中最大的挑战是什么？
- 如果需要你从零开始，实现一个从单张图像预测可渲染3D场景的前馈式（Feed-Forward）网络，你的技术思路和模块设计会是怎样的？
- 如何将一个前沿的、计算量较大的3D重建算法，在保持效果的前提下进行优化，使其满足实时渲染或端侧部署的要求？
职位点评
薪资福利75
成长发展90
工作生活60
使命价值85
薪资福利
75中等
该职位为上市公司的资深技术岗，薪资水平应处于市场中等偏上，对满足基本薪资和稳定性需求有较好保障。
薪资信号市场水准 (3.5–6万/月)
成长发展
90较高
该职位技术含量极高，工作内容直接对标行业最前沿的3D/4D视觉研究，对个人技术深度和创新能力的提升有极大帮助。
技术前沿前沿/新兴技术
技术栈3D Gaussian Splatting、4DGS、Feed-Forward 3D Reconstruction、SLAM、SfM、PyTorch、CUDA
成长机会探索其在动态场景理解与建模中的应用、突破传统逐场景优化的效率瓶颈、通过技术创新显著提升产品的生产效率与最终效果
业务类型profit_center
工作生活
60中等
工作地点在上海，职位要求现场办公，对工作生活的平衡需个人调整，工作强度可能不低，但JD未明确提及加班文化。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
职位所处的自动驾驶与机器人视觉赛道是当前科技发展的核心方向之一，通过算法提升产品感知能力具有明确的行业价值和社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号解决大规模、高保真的3D/4D重建中的效率与精度问题、通过技术创新显著提升产品的生产效率与最终效果
创新程度积极采用新技术
Watch Jobs