工作内容 跟进 VGGT、DA3、V-DPM、D4RT 等前沿 3D/4D 基础模型的最新进展，开展深入研究与迭代优化，推动其在动态场景感知与建模任务中的落地。 牵头前馈式 3D 高斯泼溅（3DGS）与 4D 高斯泼溅（4DGS）相关算法的设计与实现，目标是从单张或多张图像快速生成可渲染的 3D 场景，重点突破动态场景时空重建与实时渲染的瓶颈，摆脱传统逐场景优化在效率与泛化性上的限制。 基于先进的几何基础模型，对 SLAM、SfM 等经典重建流程进行改造与升级，解决大规模、高保真 3D/4D 重建场景下的精度与效率难题。 将重建产生的高质量三维数据资产输出给感知团队，用于 3D 目标检测、语义理解、深度估计等感知模型的训练与评测；同时支撑端到端自动驾驶仿真系统，通过可编辑、高保真、时空一致的重建数据，为 World Model、策略学习及端到端驾驶方案提供训练、验证与闭环测试数据。 我们希望你具备 对 3D 视觉、世界模型、动态场景重建等领域有强烈的好奇心与创新热情，能够自我驱动并追求技术突破。 拥有良好的团队协作与沟通能力，能独立梳理复杂问题并推动技术难点的解决。 计算机科学、应用数学、模式识别、机器学习、机器人学等相关专业硕士及以上学历，或具备同等水平的实践经验。 熟练掌握 PyTorch、TensorFlow 等主流深度学习框架；在三维视觉方向有扎实积累，熟悉多视图几何、相机模型、SLAM、SfM、3D 高斯泼溅等核心技术。 深入理解前馈式 3D 重建范式，有 4DGS 或动态场景建模相关经验者优先。 加分项 在 CVPR、ICCV、ECCV、NeurIPS、SIGGRAPH 等顶级会议或期刊上发表过论文。 在 GitHub 上拥有高星开源项目，或在知名计算机视觉竞赛中取得优异成绩。 具备大规模 3D/4D 重建、机器人视觉感知或自动驾驶场景重建的实际项目经历。