地平线
自动驾驶三维重建/前馈高斯（3DGS）算法实习生
自动驾驶三维重建/前馈高斯（3DGS）算法实习生
发布于 2 天前实习/见习
北京市 / 上海市
无经验要求
实习生
仅现场办公
硕士
实习与临时职位
3Dgs
Mvs
Nerf
Pytorch
Vggt
三维重建
多视图几何
深度学习
自动驾驶
AI 估算 · 4k–8k
实习薪资参考北京上海行业标准，硕士实习生约200-300元/天，月薪按22天折算，结合公司上市背景取中位数。
职位详情
关于这个职位
该实习岗位聚焦自动驾驶场景下的三维重建与神经渲染技术，你将参与前馈式3DGS算法研发、端到端框架搭建及前沿方案调研与验证
适合对三维视觉有浓厚兴趣、希望深入工业级落地场景的在校硕士生
最低要求
人工智能、计算机、自动化或相关专业，硕士及以上2027届及之后的在校生
熟悉三维视觉相关技术方向，对 MVS / NeRF / 3DGS / VGGT 等方法有一定理解或实践经验
熟练使用 Python + PyTorch 进行模型开发，具备扎实的深度学习与计算机视觉基础
掌握多视图几何、相机模型、三维重建、表面重建等基础理论
具备良好的代码能力与工程习惯，能够独立完成算法实现与问题定位
具备较强的学习能力与逻辑思维，能够快速理解并落地前沿方法
工作职责
前馈重建算法研发：参与基于前馈式 3D Gaussian Splatting 的三维场景重建与地图生成算法设计，面向自动驾驶场景实现高效、可泛化的建模能力
前馈重建搭建与核心模块研发：负责端到端前馈重建框架的搭建与关键模块实现，包括多视图特征建模、深度/几何预测、Gaussian 表达学习与渲染等
前沿方案调研与实验验证：系统调研并复现前沿三维重建与神经渲染方法（如 NeRF、MVS、VGGT 等），开展对比实验与技术评估，推动方案选型与演进
模型设计与性能优化：结合 Transformer 与视觉基础模型（VFM）等结构，持续优化重建质量、推理效率与复杂场景的表达能力，推动方法在真实数据上的效果提升与稳定性验证
优先资格
在 CVPR / ICCV / ECCV 等顶级会议或期刊发表过相关成果
有 Feedforward Reconstruction / 3DGS / Neural Rendering 相关项目经验
知名实验室或研究机构或落地成果者优先
AI 洞察
优缺点分析
优点
- 接触自动驾驶行业前沿的三维重建技术（3DGS、NeRF等），技术成长快
- 地平线作为上市公司，平台大、资源丰富，有机会将学术成果落地到实际产品
- 团队专注4D Label，方向稀缺，有利于积累细分领域竞争力
- 自动驾驶场景复杂，对算法的泛化性和稳定性要求高，实验调优难度大
- 适合对三维视觉和自动驾驶有强烈兴趣，具备较强自驱力和科研能力的硕士实习生，希望在前沿技术方向积累项目经验并冲击顶会
缺点 / 挑战
- 实习岗位要求较高，需要同时具备扎实的理论基础和工程能力
- 实习期可能面临较大的研发压力，需要快速跟进前沿论文并复现
角色解读
- 深化在三维重建与神经渲染领域的技术积累，成为该细分方向的算法专家
- 积累自动驾驶场景下的落地经验，可转向感知、建图等更广泛的自动驾驶算法岗位
- 通过发表顶会论文和参与工业级项目，为后续读博或进入大厂算法团队奠定基础
- 研究并实现基于前馈式3D Gaussian Splatting的三维重建算法，用于自动驾驶场景的地图生成
- 搭建端到端重建框架，包括多视图特征提取、深度/几何预测、高斯表达学习与渲染模块
- 调研复现前沿方法（NeRF、MVS等），进行对比实验和技术评估，推动方案选型
- 结合Transformer和视觉基础模型优化模型性能，提升重建质量和推理效率
- 扎实的深度学习与计算机视觉基础，熟练使用Python和PyTorch进行模型开发
- 熟悉三维视觉核心方向，如MVS、NeRF、3DGS、VGGT等，有相关实践经验
- 掌握多视图几何、相机模型、三维重建等基础理论
- 具备较强的代码能力和工程习惯，能够独立实现算法并定位问题
申请策略
- 在简历中详细描述你在三维重建项目中的具体贡献和创新点，而非简单罗列工具
- 了解地平线在自动驾驶领域的技术布局，针对性地准备对前馈重建方向的思考
- 突出三维视觉相关项目经历，特别是MVS、NeRF、3DGS等的实现或改进
- 强调论文发表经历，尤其是CVPR/ICCV/ECCV等顶会论文
- 展示代码能力，如开源项目、GitHub链接或竞赛获奖
- 提前掌握3DGS、NeRF的论文和代码，尝试复现并理解关键模块
- 提升PyTorch和深度学习调试能力，熟悉常用视觉模型结构（如Transformer）
面试指南
- 对于技术原理问题，先明确概念，再对比不同方法，最后结合实践说明
- 对于项目经验问题，采用STAR法则：背景、任务、行动、结果，突出个人贡献和难点解决
- 对于开放设计问题，先分析需求，提出关键模块，再讨论权衡和可行性
- 请解释前馈式3DGS与传统3DGS的区别，以及各自的优缺点
- 描述你在MVS或NeRF项目中的具体实现细节，遇到了哪些挑战？
- 如何设计一个轻量化的端到端三维重建网络？
- 你对自动驾驶场景下的稀疏视图重建有什么看法？
- 请推导一下3D Gaussian的渲染公式
职位点评
62
综合评分
自动驾驶三维重建前沿实习，技术含金量高，但薪资和WLB一般。
更适合这类人
最适合以技术成长和前沿探索为核心动机的求职者，追求高薪资或稳定性的求职者可能不太适合。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展90
工作生活50
使命价值70
薪资福利
40较低
实习薪资处于行业中等水平，但作为实习岗位，福利和稳定性有限，对补偿性动机满足度一般。
薪资信号未披露（AI估算：4K-8K/月）
成长发展
90较高
该实习岗位技术前沿，涉及自动驾驶三维重建最热门的3DGS方向，能快速提升算法能力和工程经验，且有机会发论文，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈3DGS、NeRF、MVS、VGGT、Transformer、视觉基础模型
业务类型profit_center
工作生活
50较低
实习需要在北京或上海现场办公，未提及弹性工作或远程，生活化动机满足度一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
自动驾驶行业处于高速增长赛道，三维重建技术对无人驾驶安全有重要价值，但实习岗位的直接社会影响力有限。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs