3D重建大模型-阿里星/T-Star

优缺点分析

角色解读

• 作为阿里星/T-Star成员，将获得顶级资源倾斜，快速成长为3D视觉领域的专家
• 有机会参与定义下一代电商3D交互体验，技术成果可影响数亿用户
• 未来可向技术专家或技术管理双通道发展，成为团队核心骨干
• 研发物品3D大模型，聚焦淘宝商品的高还原度3D建模，解决稀疏图片输入下的高精度重建问题
• 研发数字人3D大模型，打造高写实、可驱动的数字人，涉及3DGS、DiT等前沿生成技术
• 设计并优化3D VAE等核心算法，构建高效的3D数据表示与压缩方案
• 探索自回归、强化学习等技术在3D生成领域的应用，提升模型精度与可控性
• 扎实的计算机视觉与计算机图形学理论基础，熟悉3D重建、3D表示等核心概念
• 极强的工程实现能力，熟练掌握C++/Python等语言，能快速将算法落地
• 对前沿技术有深入理解，如3DGS、DiT、自回归模型、强化学习等
• 具备良好的学术研究能力，有顶会论文或权威竞赛获奖经历者优先

申请策略

• 深入了解阿里巴巴在3D电商、数字人领域的业务布局，在面试中展现你的业务洞察
• 准备一个你最有代表性的3D项目，从问题定义、技术选型到最终效果，进行完整复盘
• 突出学术成果：重点展示在CV/图形学领域发表的顶会论文，如CVPR、ICCV、SIGGRAPH等
• 强调项目实践：详细描述3D重建、生成或相关方向的科研项目，突出技术难点和你的解决方案
• 展示工程能力：体现你熟练的编程能力，如有开源项目或竞赛获奖经历，务必突出
• 量化成果：用数据量化你的模型效果，如重建精度、生成分辨率、性能提升等
• 系统梳理3D视觉与图形学核心知识，特别是3DGS、NeRF、Diffusion Model等前沿方向
• 深入理解3D VAE、自回归模型、强化学习等生成模型的原理与实现

面试指南

• 项目介绍采用STAR法则：背景(Situation)、任务(Task)、行动(Action)、结果(Result)，突出你的个人贡献和思考
• 技术问题先阐述基本原理，再结合具体场景分析其优缺点和适用性，最后提出你的改进思路
• 算法设计题要体现你的结构化思维：从问题定义、数据表示、模型设计、损失函数到实验验证，逐步展开
• 请详细介绍一下你在3D重建或生成方向最深入的一个项目，包括技术难点和解决方案
• 谈谈你对3DGS和NeRF的理解，以及它们在电商场景下的应用前景
• 如何设计一个高效的3D VAE？请谈谈你的思路
• 如何解决稀疏输入下的3D重建精度问题？
• 你对数字人驱动技术有什么了解？如何实现自然流畅的动画效果？