【2027届校招】3D重建大模型算法工程师

优缺点分析

角色解读

• 在自动驾驶3D感知领域深耕，成长为算法专家或技术负责人
• 结合大模型趋势，向多模态、生成式AI方向拓展
• 可晋升为技术管理或资深研究员，带领团队攻克难点
• 负责3D重建大模型的模型设计、训练与调优，解决自动驾驶场景中的三维感知问题
• 将前沿算法落地到实际自动驾驶系统中，进行技术选型和创新
• 持续跟踪学术界最新研究成果，与团队协作推进技术迭代
• 扎实的深度学习与计算机视觉基础，精通PyTorch等框架
• 熟悉SFM、MVS、3DGS等3D视觉算法，理解多模态大模型原理
• 具备独立研究和解决问题能力，有顶会论文发表经验

申请策略

• 提前了解地平线的自动驾驶产品与技术方向，在面试中体现对业务的思考
• 准备一两个深度技术问题讲解，展现逻辑和表达能力
• 突出顶会论文及研究成果，详细描述在3D重建或视觉方面的创新点
• 强调PyTorch等工具的使用经验和项目代码质量
• 展示与自动驾驶相关的项目经历，如SLAM、三维感知等
• 熟悉主流3D重建模型（如Dust3R、3DGS）的源码，并进行复现实验
• 补充多模态大模型知识，了解最新的视觉-语言模型架构
• 加强C++/CUDA编程能力，便于模型部署优化

面试指南

• 以STAR法则回答项目经历，突出个人贡献和结果
• 从问题定义、方法创新、实验验证三方面阐述技术理解
• 联系自动驾驶实际需求，说明技术落地的可行性和挑战
• 请谈谈你对3D重建大模型的理解，以及如何应用到自动驾驶场景？
• 你在顶会论文中负责哪些部分？遇到的主要挑战是什么？
• 如何评估一个3D重建模型的效果？有哪些指标？
• 对Dust3R和3DGS的优缺点有何分析？
• 如何看待大模型与3D视觉结合的未来趋势？