昆仑万维
2050-3D/4D生成算法实习生
2050-3D/4D生成算法实习生
发布于 1 天前实习/见习
北京市
无经验要求
实习生
仅现场办公
硕士
实习与临时职位
3D生成
4D生成
Aigc
Diffusion
Mesh
Point Cloud
Pytorch
计算机视觉
AI 估算 · 4k–8k
北京上市大厂算法实习生薪资，考虑硕士学历及前沿技术方向，竞争力较高
职位详情
关于这个职位
该实习岗位聚焦于3D/4D生成算法的前沿研究，你将参与基于Diffusion、VAE、Transformer等架构的模型设计与优化，涵盖多种3D表示（如Mesh、Point cloud、Gaussian splatting）
适合对三维视觉与AIGC有浓厚兴趣的在校硕士或博士，有机会接触业界领先技术并发表论文
最低要求
计算机、人工智能、图形学、电子信息、数学等相关专业硕士或以上学历
熟悉3D/4D数据表示与处理方法，有3D/4D生成、重建、建模相关经验
熟悉至少一种深度学习框架（如PyTorch），有较强的代码实现能力
工作职责
负责前沿3D/4D生成算法相关的表示的研究与实现，涵盖Mesh、Point cloud、Voxel、Gaussian splatting等多种表示
负责3D/4D内容生成模型的设计、训练、评估与优化，包括基于Diffusion、VAE、Transformer等架构
跟踪3D/4D生成领域的最新研究进展，并将新技术应用于公司产品或科研项目中
支持团队3D/4D领域的技术分享、代码开源、论文发表等工作
优先资格
有以下方向的经验者优先：
基于Diffusion / Transformer的3D/4D生成模型
大规模3D数据清洗与增强
有顶会（CVPR、ICCV、ECCV、NeurIPS、ICLR、SIGGRAPH等）论文发表或开源项目经验者优先
有强烈的学习动力与创新精神，具备良好的沟通能力与团队协作能力
有业界经验，熟悉3D AIGC、游戏建模、虚拟资产制作等业务流程
有高性能模型训练、分布式训练、推理优化经验
AI 洞察
优缺点分析
优点
- 接触最前沿的3D/4D生成技术，技术成长快，研究氛围浓厚
- 公司为上市大厂，资源丰富，有机会参与落地项目并发表高水平论文
- 团队经验丰富，可学习分布式训练、推理优化等工程技能
- 技术门槛高，需要扎实的数学和编程基础，以及快速学习新模型的能力
- D生成领域竞争激烈，需要持续跟踪最新论文并不断实验
- 适合对3D视觉和生成式AI有强烈热情，具备较强研究能力和自驱力的硕士/博士在读学生
缺点 / 挑战
- 实习薪资处于行业较高水平，北京地区有竞争力
- 实习周期可能较短，需在有限时间内产出成果，压力较大
角色解读
- 从实习生成长为全职研究员/算法工程师，深入3D生成领域
- 积累顶会论文发表经验，提升学术影响力，可向学术界或工业界高级职位发展
- 掌握3D AIGC全链路技能，未来可从事元宇宙、游戏、影视等热门行业的算法研发
- 研究和实现3D/4D生成算法，包括Mesh、Point cloud、Gaussian splatting等多种表示方法
- 设计和训练基于Diffusion、VAE、Transformer的生成模型，并优化其性能
- 跟踪学术前沿，将新技术应用于公司产品，并支持论文发表和开源项目
- 参与团队技术分享，推动3D AIGC领域的创新落地
- 扎实的计算机视觉和图形学基础，熟悉3D数据表示与处理
- 熟练使用PyTorch等深度学习框架，具备较强的代码实现能力
- 了解Diffusion、VAE、Transformer等生成模型架构，有相关项目经验更佳
- 具备科研能力，如论文阅读、实验设计、结果分析
申请策略
- 在简历中清晰表达你对3D生成领域的理解与热情，说明为何选择昆仑万维
- 提前了解公司相关产品（如AI绘画、3D生成工具），在面试中展示行业认知
- 突出相关项目经验：如3D重建、生成模型训练、数据处理等，附上GitHub链接或论文
- 强调技术栈：PyTorch、Diffusion/Transformer、3D表示（Mesh/Gaussian等）
- 展示学术成果：顶会论文、开源贡献、竞赛获奖等
- 体现工程能力：分布式训练、推理优化、大规模数据处理经验
- 熟悉至少一个3D生成领域的最新模型（如3D Gaussian Splatting、Zero-1-to-3等），尝试复现并理解细节
- 补充计算机图形学基础，如渲染、几何处理等
面试指南
- 先阐述核心原理，再结合具体应用案例，最后对比其他方法说明优势与不足
- 结构化回答：问题背景→你的方法→结果与反思
- 展示学习能力：即使不清楚，也要诚恳并展示你的思考路径
- 请详细解释3D Gaussian Splatting的原理及其在生成中的应用
- Diffusion模型在3D生成中如何实现？与传统2D扩散有何异同？
- 描述一个你参与过的3D生成项目，包括技术挑战和解决方案
- 如何评估一个3D生成模型的质量？有哪些常用指标？
- 你了解哪些最新的3D/4D生成论文？谈谈你的看法
职位点评
65
综合评分
前沿3D生成算法实习，技术成长极强，但现场办公且强度可能较大。
更适合这类人
最适合追求技术成长和学术积累的实习生，对薪资和WLB要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活40
使命价值70
薪资福利
60中等
实习薪资处于行业较高水平，但实习本身稳定性较低，福利有限。
薪资信号面议 (4K-8K/月)
成长发展
90较高
该职位提供前沿技术研究、论文发表、开源贡献等极佳的发展机会，技术成长空间大。
技术前沿前沿/新兴技术
技术栈3D生成、4D生成、Diffusion、Transformer、Gaussian Splatting、VAE、PyTorch
成长机会论文发表、开源、技术分享、跟踪最新研究进展
业务类型ambiguous
工作生活
40较低
仅现场办公，未提及弹性工作，实习强度可能较大，WLB一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
3D AIGC属于高速发展赛道，对未来元宇宙、数字人等领域有推动作用，但实习岗位社会影响有限。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs