天猫
业务技术-三维重建与生成算法工程师-3D生成
业务技术-三维重建与生成算法工程师-3D生成
发布于 大约 8 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
3D生成
Pytorch
Sdf
场景重建
扩散模型
模型推理优化
深度学习
算法研发
纹理生成
值不值得投
79综合评分
综合评分 79
前沿3D生成算法岗位，技术成长性极强，业务落地明确，但办公模式与WLB信息未知。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
48K
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 290 个在招 · 其中人工智能 11 个
市场机会
选择面较广
杭州 · 人工智能 · 约 190 个在招
职位详情
关于这个职位
该职位专注于前沿的3D生成与重建算法研发，旨在将AI技术应用于电子商务场景，实现高质量家具资产和室内空间的自动化、极速生成
您将主导从算法研发到工程化落地的全过程，推动3D内容生成在实际产品线中的应用
最低要求
计算机科学、人工智能、计算机图形学或相关专业硕士及以上学历
两年及以上图形学方向（聚焦于3D生成、3D表征方面）工作经验
熟练掌握 Python 和 PyTorch，具备扎实的深度学习工程能力，能够独立完成模型训练、调试、评测和推理部署优化
熟悉主流生成模型与深度学习架构，包括但不限于 Transformer、U-Net、VAE、自回归模型、扩散模型、Flow Matching 等
了解常见预训练、微调和后训练方法，如 SFT、RLHF、偏好优化等
具备扎实的计算机图形学和3D视觉基础：熟悉常见的3D表征，离线渲染、pbr材质体系、计算几何等相关理论与算法
熟悉三维重建或 3D 生成相关方向，包括但不限于单图/多图 3D 重建、物体级 3D 生成、室内场景重建与生成、纹理生成、材质估计、部件级结构生成等
工作职责
参与前沿多模态3D生成与编辑算法研发，主导高质量家具资产的高精度、极速生成，以及室内3D空间的重建与生成能力建设
负责几何生成算法研发，包括利用SDF、几何 VAE、隐式场、稀疏体素等 3D 表征，提升复杂结构和局部细节还原能力，以及通过网格扩散、结构化 Mesh 生成实现极速原生 Mesh 生成
负责纹理与材质生成算法研发，提升商品外观还原度、材质真实感、PBR 参数合理性和跨视角纹理一致性
负责部件级生成与高精度拆分算法研发，实现家具不同部件、材质区域和功能结构的精准拆分、生成与编辑，提升 3D 资产的结构可控性
负责研究稀疏多图、视频等输入条件下的3D场景重建技术
面向大规模业务应用需求，开展模型蒸馏、推理加速、几何后处理、网格优化、贴图烘焙等工程化工作，持续优化生成效率、资产质量和生产链路，推动 3D 生成算法在实际产品线落地
优先资格
熟悉 Open3D、PyTorch3D、Blender、Trimesh、Kaolin、nvdiffrast 等 3D 工具或渲染/几何处理框架者优先
具备良好的科研能力与问题分析能力，有 SIGGRAPH / CVPR / ICCV / ECCV / NeurIPS 等顶会论文或相关研究经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿：直接参与多模态3D生成这一热门且快速发展的AI方向研究
- 业务落地：研究成果能直接应用于大型电商平台的核心业务，有明确的价值实现路径
- 平台资源：依托大型企业平台，拥有丰富的数据、算力和业务场景支持
- 技术深度：需要同时掌握前沿的AI算法与复杂的计算机图形学知识，学习曲线陡峭
- 领域特殊性：需深入理解电商商品（特别是家具）的3D特性，非通用算法可直接套用
- 具备扎实计算机图形学和深度学习背景，对3D内容生成有浓厚兴趣，并乐于将算法研究转化为实际产品价值的工程师
缺点 / 挑战
- 工程化挑战：将实验室算法转化为大规模业务应用，在效率、质量和稳定性间取得平衡
角色解读
- 技术深耕：成为3D生成与重建领域的算法专家，引领技术方向
- 业务融合：深入理解电商产品需求，将技术转化为提升用户体验和商业价值的实际产品
- 团队贡献：作为核心成员，参与构建更强大的3D内容生成技术中台，赋能更多业务线
- 研究并开发用于电商场景（如家具、室内空间）的3D内容生成与重建算法
- 涵盖从几何结构、纹理材质到部件拆分的全流程3D资产自动化生成技术
- 负责算法的工程化落地，进行模型优化与推理加速，确保其在业务中高效稳定运行
- 扎实的深度学习与计算机图形学理论基础，熟悉3D表征（如SDF）和生成模型（如扩散模型）
- 熟练的Python和PyTorch工程能力，能独立完成模型训练、调试与部署
- 对三维重建、纹理生成、材质估计等具体3D技术方向有深入实践或研究
申请策略
- 深入研究天猫或阿里巴巴在3D内容、虚拟展厅、AI设计等领域的已有应用或公开技术分享，以便在面试中展示你对业务的理解
- 准备好展示你对3D数据结构（如点云、网格）和生成模型结合的理解，思考如何解决“极速生成”与“高质量”之间的矛盾
- 突出任何与3D视觉、图形学、生成模型（如扩散模型）相关的项目经验或研究成果
- 详细描述使用Python/PyTorch完成模型从训练到部署的完整工程实践
- 如有发表过顶会论文（如SIGGRAPH, CVPR等）或参与过相关开源项目，务必重点列出
- 系统复习或深入学习计算机图形学基础（如光线追踪、PBR材质）和3D重建算法
- 实践主流的3D生成开源项目（如Shap-E, Magic3D），并尝试复现论文中的方法
面试指南
- 项目问题：使用STAR法则（情境、任务、行动、结果）清晰阐述，重点突出技术选型和创新点
- 技术原理问题：从核心概念出发，结合具体例子说明，展示理论深度和实际理解
- 工程落地问题：从模型压缩、推理加速、质量控制等多个维度展开，体现系统化思维
- 请介绍一个你做过的3D生成或重建相关的项目，重点说明你使用的技术路线和解决的核心难点
- 如何平衡3D生成的速度与质量？在实际工程中会考虑哪些优化策略？
- 除了SDF，你还了解哪些3D表征方法？它们的优缺点分别是什么？
- 请解释一下扩散模型在3D生成中的应用原理和挑战
- 如果需要将一个研究阶段的3D生成模型部署到线上服务，你会考虑哪些方面？
职位点评
薪资福利78
成长发展92
工作生活65
使命价值76
薪资福利
78中等
虽然未明确薪资，但作为大型科技公司面向前沿技术的高级算法岗位，其薪酬福利体系通常具有市场竞争力，能满足对薪资和稳定性的需求。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
92较高
职位聚焦于3D生成与重建这一前沿技术方向，要求深入参与算法研发并推动业务落地，提供了极佳的技术深度成长和理论与实践结合的机会。
技术前沿前沿/新兴技术
技术栈SDF、几何VAE、隐式场、稀疏体素、扩散模型、Flow Matching、纹理生成、3D重建、PyTorch
成长机会参与前沿...算法研发、主导...能力建设、推动...算法在实际产品线落地
业务类型profit_center
工作生活
65中等
职位未提及任何工作模式（如远程、弹性）或WLB相关信号，工作地点为杭州。无法判断实际办公灵活性与加班情况，满足程度不确定。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
76中等
将前沿的3D生成技术应用于电商领域，旨在提升商品展示效果和用户购物体验，具有明确的业务价值和社会应用意义，但非直接的社会公益或基础科学使命。
行业发展稳定成熟行业
社会影响中性/一般
使命信号推动3D生成算法在实际产品线落地
创新程度积极采用新技术
Watch Jobs