深度学习算法（自动驾驶多传感器融合标定方向

该职位来源于猎聘 职位描述 1. 负责基于CNN、Transformer、NeRF、3DGS等架构的端到端与自监督传感器标定算法研发，重点推进动态场景下的在线自动标定（无标定物）及跨模态特征级标定（图像、激光雷达、雷达频谱融合）； 2. 探索Foundation Models在标定任务中的迁移学习与少样本适应能力； 3. 算法效率优化与模型部署； 4. 构建面向学习型标定算法的大规模、多工况、强对抗性（如极端天气、振动）数据集； 5. 设计基于学习的标定不确定性量化与置信度评估模块，为下游感知提供可靠性输入。 职位要求 1. 统招硕士及以上学历，计算机、机器人、人工智能等相关专业； 2. 精通Transformer及其在CV领域的变体（如DETR、ViT、BEVFormer），具备实际项目经验； 3. 扎实的多视几何、相机模型与传感器融合理论基础； 4. 熟练使用Python、PyTorch进行深度学习开发，熟悉TensorRT、ONNX等部署工具及C++高性能编程； 5. 具备基于深度学习的标定、校准或相关几何视觉项目经验，有可展示成果； 6. 在会议/期刊（CVPR, ICCV, ECCV, ICRA, IROS, T-PAMI等）上发表过与Transformer架构或多传感器标定/融合相关的论文者优先； 7. 具备使用 NeRF / 3D Gaussian Splatting 等技术进行场景重建与传感器建模或有大规模自动驾驶平台（如Waymo, nuScenes）多模态数据处理与算法开发经验者优先； 8. 深入理解传感器物理特性（如镜头畸变、雷达散射模型）或熟悉自监督学习、对比学习在几何视觉任务中的应用者优先。