多模态与空间智能-3D/4D生成算法工程师

优缺点分析

角色解读

• 初期作为算法工程师深入3D/4D生成领域，成为该方向的专家
• 中期可以带领小团队负责垂直方向的技术攻关，或转向高级算法架构师
• 长期可晋升为技术负责人、研究科学家，或向AI产品化方向发展
• 研究和实现3D/4D生成算法，包括Mesh、点云、体素、高斯泼溅等多种3D表示
• 设计并训练基于Diffusion、VAE、Transformer等架构的生成模型，持续优化性能
• 跟踪学术界最新进展，将前沿技术落地到公司产品或科研项目中
• 参与团队技术分享、代码开源和论文发表，推动团队技术积累
• 扎实的计算机视觉和图形学基础，熟悉3D表示和生成模型
• 熟练使用PyTorch/TensorFlow等深度学习框架，有模型训练和调优经验
• 了解Diffusion、VAE、Transformer等生成模型原理，具备相关项目经验更佳
• 良好的编程能力（Python/C++），能够独立实现和调试复杂算法

申请策略

• 提前了解昆仑万维在AI领域的布局，尤其是多模态和空间智能方向，展示兴趣和匹配度
• 突出3D相关的项目或论文经历，如NeRF、Gaussian Splatting、3D重建等
• 展示生成模型（Diffusion、VAE、Transformer）的实现和调优经验
• 强调编程能力，尤其是PyTorch和Python，附上GitHub链接
• 深入学习Diffusion模型原理和3D表示方法，动手复现经典论文
• 练习编程和算法题，确保面试中能快速实现代码

面试指南

• 对于原理类问题：先概述核心思想，再分步解释关键组件，最后总结优缺点
• 对于设计类问题：从输入输出出发，逐步拆解模型架构，说明每个模块的作用和选择理由
• 对于经验类问题：结合实际项目，用STAR法则描述背景、任务、行动和结果
• 请解释3D Gaussian Splatting的原理及其优缺点
• 如何设计一个基于Diffusion的3D生成模型？请描述关键模块
• 你在之前的项目中使用过Transformer吗？请详细说明在3D任务中的应用
• 如何评估3D生成模型的质量？有哪些常用指标？
• 复习3D视觉和生成模型的基础知识，熟悉经典论文如NeRF、3D Gaussian Splatting、Point-E等