日常实习生-业务技术-三维重建和生成算法工程师

优缺点分析

角色解读

• 可向AIGC算法专家、计算机视觉研究员或三维内容生成技术负责人方向发展
• 积累顶会论文发表与工业界落地经验后，可晋升为高级算法工程师或技术主管
• 负责Image-to-3D生成算法的研发与优化，聚焦室内设计家具建模场景
• 设计高效3D表征结构与网络架构，开展预训练与后训练策略研究
• 独立完成算法消融实验，记录实验数据并输出高保真3D模型成果
• 跟进算法迭代与性能优化，确保模型在实际业务场景中稳定运行
• 精通Python与PyTorch框架，深入理解Transformer、U-Net等主流网络结构
• 扎实掌握生成式AI原理，包括扩散模型、自回归模型及RLHF/DPO等后训练方法
• 具备深厚的计算机图形学基础，熟悉PBR材质理论与实时渲染管线
• 熟练使用Open3D等工具进行3D表征构建、表面重建与渲染处理

申请策略

• 提前了解阿里业务技术部的具体产品线，准备针对家具建模场景的算法优化思路
• 突出3D重建/AIGC相关项目经历，详细列出使用的网络结构、数据集及性能指标
• 重点展示顶会论文发表情况或高质量开源代码贡献，量化实验改进效果
• 强调跨模态生成与三维几何处理的实战经验，匹配岗位核心技术关键词
• 强化扩散模型采样流程与潜在空间操作的实战调参能力
• 补充PBR材质理论与网格优化知识，提升跨模态生成的物理合理性理解

面试指南

• 采用STAR法则结构化陈述项目背景、个人行动与量化结果，突出解决的具体问题
• 技术原理题先阐述底层数学逻辑与算法演进脉络，再结合具体场景分析优劣并给出实验验证思路
• 请详细介绍你参与的Image-to-3D或相关多模态生成项目，你的核心贡献是什么？
• 如何平衡扩散模型的生成质量与推理速度？有哪些具体的加速策略？
• 针对家具建模场景，你认为现有3D表征方法存在哪些瓶颈？你将如何改进？
• 复习扩散模型采样流程与潜在空间操作技巧，准备1-2个完整的消融实验案例
• 关注近期SIGGRAPH/CVPR关于NeRF与Gaussian Splatting的最新进展，梳理技术对比表格