Инженер Компьютерного Зрения (Neural Rendering / NERF / Gaussian Splatting / 3D reconstruction)
RoadARОписание
Мы разрабатываем инновационный продукт, который преобразует видео с камер 360 / фото с камер DSLR / съемку с Lidar в реалистичную реконструкцию сцены, используя современные техники нейронного рендеринга, такие как Gaussian Splatting и NeRF. Мы ищем талантливых инженеров в нашу команду для работы над улучшением стабильности и производительности движка для 3D-реконструкции, а также над дальнейшим развитием самой модели рендеринга
Обязанности:
Реализация алгоритмов компьютерного зрения для 3D-реконструкции (Colmap, Glomap, ORB-Slam, DSO, Visual-Inertial odometry).
Разработка решений в области Neural Rendering (NERF, Gaussian Splatting) с использованием современных библиотек (PyTorch, JAX).
Исследование новых подходов для повышения качества реконструкции, движка для рендеринга.
Требования:
Уверенное знание C++ и Python (опыт работы обязателен).
Опыт разработки и прототипирования алгоритмов построения 3D реконструкции на Python.
Знание PyTorch и/или JAX для разработки моделей машинного обучения и обработки данных.
Знания на уровне первых курсов университета по линейной алгебре, методам оптимизации, анализа и геометрии.
Английский язык на уровне чтения и анализа технической документации
Будет плюсом:
- Базовые навыки работы с CUDA или другими инструментами GPU-вычислений.
- Опыт работы с библиотеками OpenCV, ceres, g2o, sophus, Eigen.
- Опыт разработки многопоточных приложений.
- Участие в проектах, связанных с Neural Rendering или 3D-реконструкцией.
Условия:
-
Интереснейшие задачи на переднем крае науки
-
Высокая зарплата по результатам собеседования
-
Гибкий график работы
-
Возможность удаленной работы
-
Работа в небольшом коллективе единомышленников
-
Уровень зарплаты регулярно индексируется
!NB На технической части интервью проверяем глубокое понимание математики и алгоритмов, используемых в 3D-реконструкции: кватернионы, матрицы трансформации, якобианы, принципы NeRF и Gaussian Splatting. Важно понимать почему и как это работает с точки зрения математики, а не только как использовать.