阿里巴巴
算法工程师-3D重建大模型（T-Star Lab 日常实习）
算法工程师-3D重建大模型（T-Star Lab 日常实习）
发布于 2 小时前实习/见习
实习生仅现场办公计算机视觉工程
计算机视觉工程
3Dgs
3D重建
C++/Python
Dit
Vae
大模型
强化学习
点云处理
计算机图形学
值不值得投
75综合评分
综合评分 75
顶尖大厂前沿AI实验室实习，科研与工程并重，成长潜力巨大，但需适应较高工作强度。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
9.0千
与计算机视觉工程中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3910 个在招 · 其中计算机视觉工程 48 个
市场机会
选择面较广
杭州 · 计算机视觉工程 · 82 个在招
职位详情
关于这个职位
负责淘宝商品与数字人的3D大模型算法研发，涵盖基于稀疏图像的3R建模、3D VAE设计及自回归优化
结合3DGS与DiT技术实现高精度数字人生成与驱动，需具备扎实的CV/图形学基础与工程能力，参与前沿课题并助力工业落地
最低要求
毕业时间在 2026年11月及以后的在校硕博同学，计算机视觉、计算机图形学、机器学习等相关专业
具备计算机图形学和计算机视觉理论基础
具备极佳的工程实现能力，熟练掌握C++/Java/Python等至少一门语言
敢于突破现状，勇于探索新思路、新技术，能够积极主动地进行协助沟通，配合团队共同完成目标
工作职责
物品3D大模型：聚焦淘宝商品的高还原度3D建模，产出比例结构、细节丰富度与实际物品具有高度一致性的3D模型
基于稀疏图片的3R建模技术，支持动态/静态场景，输出高精度位姿、点云、深度图、体素结构等信息
设计3D VAE算法，构建高效3D数据表示（点云/网格/体素），实现3D数据的高效压缩，提升模型在几何重建、纹理生成和潜在空间控制方面的性能
结合自回归（AutoRegressive）、强化学习（Reinforcement Learning）等技术，提高3D生成的精度、可控性和泛化性
突破材质属性预测与生成技术，实现PBR材质预测、可控高清材质生成等，重点关注文字、纹理细节效果
数字人3D大模型：打造高写实数字人，产出细节丰富（尤其是人脸）、可驱动的3D模型
D数字人生成算法，结合3DGS的表征能力和DiT的生成能力，实现端到端生成细节丰富、分辨率>1024的高精度人体3D模型，同时透出人体姿态等信息
D数字人驱动技术，实现人体组件化、层次化拆解，实现自动化骨架绑定与蒙皮，确保驱动自然流畅
优先资格
有顶会相关论文发表优先
AI 洞察
优缺点分析
优点
- 背靠阿里顶尖AI实验室，接触海量真实业务数据与算力资源
- 双导师制指导，科研与工程并重，成果易转化为顶会论文或实际产品
- 表现优异可直接锁定秋招正式Offer，职业起点极高
- 技术栈极其前沿且交叉性强（CV+图形学+生成式AI），学习曲线陡峭
- 竞争环境激烈，需保持高强度输入与输出
- 适合计算机/图形学/机器学习方向的在读硕博生，具备强烈科研兴趣、扎实编程基础与抗压能力，渴望在AI前沿领域深耕并追求高质量学术/工程成果的求职者
缺点 / 挑战
- 课题研究与工业落地双重压力，对代码质量、算法创新性及论文产出均有较高要求
角色解读
- 可向高级3D生成算法专家、AI研究员或技术负责人方向发展
- 积累工业级大模型落地经验后，可横向拓展至多模态生成、具身智能或自动驾驶感知领域，长期具备冲击国际顶会或主导核心算法架构的能力
- 负责淘宝商品与数字人的3D大模型算法研发，涵盖从稀疏图像到高精度3D模型的端到端生成与驱动
- 利用3DGS、DiT、VAE及强化学习等前沿技术，优化几何重建、纹理生成与材质预测
- 深入参与顶级课题研究，推动AI技术在电商场景的实际落地
- 扎实的计算机视觉与计算机图形学理论基础，精通C++/Python等编程语言及深度学习框架
- 熟悉3D重建管线（点云/网格/体素处理）、3DGS表征及扩散/生成模型原理
- 具备优秀的算法工程化能力与顶会论文写作经验
申请策略
- 提前了解T-Star Lab近期研究方向与阿里通义系列技术布局
- 准备1-2个完整的3D/AI项目案例，重点阐述技术选型、难点突破与个人贡献
- 突出3D重建、点云处理或生成模型相关的项目经历，量化算法指标（如PSNR/SSIM提升、推理速度优化）
- 明确列出掌握的编程语言、深度学习框架及顶会论文发表情况
- 强化PyTorch/TensorFlow实战能力，深入研读3DGS、NeRF、Diffusion Models最新论文
- 补充计算机图形学基础（光线追踪、渲染管线）以提升底层理解
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答项目经历，突出技术难点与解决思路
- 对比不同算法时，从数学原理、计算复杂度、工程落地性多维度分析
- 针对工程问题，展示对分布式训练、模型压缩或硬件优化的实际经验
- 请详细介绍你参与的3D重建或生成模型项目，你在其中的具体贡献是什么？
- 如何理解3DGS与传统NeRF的优缺点及适用场景？
- 在训练大规模3D生成模型时，如何解决显存瓶颈与训练不稳定的问题？
- 系统复习计算机视觉与图形学核心概念，精读近一年CVPR/ICCV/SIGGRAPH关于3D生成的顶会论文
- 准备代码演示或GitHub链接，梳理常用深度学习框架的底层机制
职位点评
薪资福利75
成长发展92
工作生活45
使命价值85
薪资福利
75中等
职位未明确披露具体薪资，但作为头部大厂核心实验室实习岗位，整体薪酬待遇符合行业高标准，稳定性与福利体系完善。
薪资信号未披露（AI估算：6.5千–1.1万/月）
成长发展
92较高
职位直接对接前沿3D大模型课题，提供双导师制、海量数据算力及顶会论文支持，成长路径清晰且学术与工程价值极高。
技术前沿前沿/新兴技术
技术栈3DGS、DiT、VAE、强化学习、计算机视觉、计算机图形学
成长机会跟企业大牛导师/学术界名导一起做有价值的课题、丰富的技术资源、海量的数据与优秀的团队助力发paper、有机会提前获得秋招直通T-Star的正式Offer
业务类型profit_center
工作生活
45较低
实验室型实习通常节奏较快，侧重科研攻关与项目交付，WLB信号未明确提及，需做好应对高强度脑力劳动的准备。
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
致力于推动3D内容生成技术的工业落地，赋能电商体验升级，兼具技术创新与社会应用价值，使命感与行业前景突出。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号参与顶级课题研究，有机会实现工业界项目落地
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs