地平线
4D 视觉重建算法实习生
4D 视觉重建算法实习生
发布于 1 天前实习/见习
上海市
初级经验
实习生
仅现场办公
硕士
研究与开发 (研发)
3Dgs
3D重建
4D重建
Dust3R
Nerf
Pytorch
Vggt
深度学习
点云处理
AI 估算 · 4k–6k
结合上海实习生市场和岗位技术要求，薪资处于中等偏上水平。
职位详情
关于这个职位
这个实习岗位将让你参与自动驾驶领域最前沿的4D视觉重建算法研发
你将基于VGGT、Dust3R等模型，开发3D点云场景流与动态4D重建算法，探索多帧几何一致性和时空特征融合
同时需要复现最新顶会论文，搭建数据处理和评测流程，推动算法在真实自动驾驶场景中的落地
这是一个深入接触3D/4D视觉、深度学习与自动驾驶交叉领域的好机会
最低要求
硕士/博士在读，计算机、人工智能、自动化、机器人、测绘、数学等相关专业优先
实习时间半年及以上
具备扎实的深度学习、计算机视觉和三维几何基础，熟悉多视图几何、SfM/MVS、深度估计、点云处理或三维重建相关方法
熟练使用 Python / PyTorch，具备良好的代码能力和实验分析能力，能够独立阅读、复现并改进顶会论文
对 VGGT、Dust3R、MASt3R、DROID-SLAM、3DGS、NeRF、CoTracker、UniDepth 等方向有理解或实践经验者优先
工作职责
参与基于 VGGT / Dust3R 等视觉重建 backbone 的 3D 点云场景流与动态 4D 重建算法研发，探索多帧几何一致性、动态物体运动建模与时空特征融合
跟踪并复现 3D/4D 视觉前沿方法，如 TraceAnything、V-DPM、4RC、D4RT、3DGS、Neural Rendering、Feed-forward Reconstruction 等，参与方案设计与技术选型
搭建自动驾驶场景下的数据处理、模型训练、评测分析与可视化流程，推动算法在真实数据和闭环仿真场景中的快速落地
优先资格
有 3D scene flow、dynamic reconstruction、4D reconstruction、tracking、motion segmentation、learning-based BA 等相关项目经验
有自动驾驶多相机/多帧序列数据处理、动态地图、闭环仿真或场景生成相关经验
在 CVPR / ICCV / ECCV / NeurIPS / SIGGRAPH / ICRA / IROS 等会议发表过相关论文，或有高质量开源项目、竞赛获奖、知名实验室实习经历
AI 洞察
优缺点分析
优点
- 能接触到最前沿的4D视觉重建技术，如VGGT、Dust3R等，技术积累深厚
- 使用真实自动驾驶场景数据和GPU算力，研究落地场景明确
- 团队有发表顶会论文的机会和资源，对学术发展有利
- 技术难度高，需要较强的数学和算法基础，对自学能力要求高
- 实习周期要求半年及以上，时间投入较大
- 自动驾驶领域竞争激烈，需要快速跟上最新论文节奏
- 适合对三维视觉和自动驾驶有强烈兴趣，具备扎实深度学习基础，且希望发表顶会论文的硕士/博士研究生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法实习生成长期发展为3D/4D视觉研究员，深耕动态场景重建与感知技术
- 可转向自动驾驶感知或SLAM方向，成为技术专家
- 表现优异者可获得转正机会，参与核心自动驾驶系统架构设计
- 负责基于VGGT、Dust3R等backbone的3D点云场景流与动态4D重建算法研发，包括多帧几何一致性和时空特征融合
- 跟踪并复现CV领域前沿方法，如3DGS、NeRF等，参与方案设计与技术选型
- 搭建自动驾驶场景下的数据处理、模型训练、评测与可视化流程，推动算法在真实数据中的落地
- 扎实的深度学习、计算机视觉和三维几何基础，熟悉多视图几何、SfM/MVS、深度估计或三维重建
- 熟练使用Python和PyTorch，具备独立阅读、复现并改进顶会论文的能力
- 对自动驾驶场景下的多相机、多帧数据处理和仿真有一定了解
申请策略
- 在投递时附上相关代码仓库或论文复现链接，能显著增加竞争力
- 了解地平线在自动驾驶感知方面的布局，面试时展示对业务场景的理解
- 突出计算机视觉和三维重建相关的项目经历，尤其是使用VGGT、NeRF、3DGS等技术的实践
- 强调论文复现经验和开源贡献，展示独立研究能力
- 如有自动驾驶多相机数据处理或仿真经验，务必重点描述
- 提前学习并复现Dust3R、VGGT、3DGS等最新论文的代码
- 补充多视图几何和SfM/MVS的理论知识，掌握PyTorch高级用法
面试指南
- 对于方法对比题，先阐述原理，再比较性能、适用场景和局限
- 对于pipeline设计题，从输入数据、特征提取、几何优化、后处理等模块逐步展开，并说明关键技术选型理由
- 对于复现题，突出自己的实验习惯：如阅读代码、调试技巧、性能对比、结果可视化等
- 请解释VGGT和Dust3R的核心区别和应用场景
- 如何设计一个动态4D重建系统的pipeline？
- 在多帧序列中如何处理遮挡和动态物体？
- 你如何复现一篇顶会论文？说说具体步骤和遇到的挑战
- 自动驾驶场景中，如何评估3D重建的精度？
职位点评
68
综合评分
前沿算法实习，技术成长空间大，但工作强度未知，WLB一般。
更适合这类人
最适合以技术成长和学术产出为首要目标的求职者。
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95
工作生活40
使命价值75
薪资福利
60中等
实习岗位薪资相对稳定，但属于市场中等水平，福利方面JD未明确提及，补偿性一般。
薪资信号未披露（AI估算：4K-6K/月）
成长发展
95较高
岗位核心优势在于前沿技术积累和论文产出机会，发展性极强。
技术前沿前沿/新兴技术
技术栈VGGT、Dust3R、3DGS、NeRF、4D重建、PyTorch、自动驾驶
成长机会顶会论文
业务类型profit_center
工作生活
40较低
仅现场办公，未提及WLB特征，实习时间要求半年及以上，生活化动机满足有限。
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
75中等
自动驾驶是高速增长赛道，但岗位偏向研究，社会影响间接，意义感中等偏上。
行业发展高速增长赛道
社会影响中性/一般
使命信号真实自动驾驶场景数据、闭环仿真
创新程度积极采用新技术
Watch Jobs