主分类：计算机视觉与图像感知算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "业务技术-三维重建与生成算法工程师-3D生成",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "淘天集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "淘天集团",
"company_industry": "电子商务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "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",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 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\n2. 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\n3. 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\n4. 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\n5. 负责研究稀疏多图、视频等输入条件下的3D场景重建技术\n6. 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",
"requirements_text": "1. 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\n2. 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\n3. 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\n4. 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\n5. 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\n6. 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\n7. 熟悉 Open3D、PyTorch3D、Blender、Trimesh、Kaolin、nvdiffrast 等 3D 工具或渲染/几何处理框架者优先\n8. 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",
"skills": [AI生成
"Python",
"PyTorch",
"深度学习",
"模型训练",
"分析能力",
"渲染"
],
"preferred_qualifications": "7. 熟悉 Open3D、PyTorch3D、Blender、Trimesh、Kaolin、nvdiffrast 等 3D 工具或渲染/几何处理框架者优先；8. 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",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.taotian.com/off-campus/position-detail?positionId=100032260003"
}
]
},
"posting": {
"posting_id": "100032260003",
"post_date": "2026-08-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100032260003"
},
"fulltext": "业务技术-三维重建与生成算法工程师-3D生成\n业务技术-三维重建与生成算法工程师-3D生成\n\n基础信息\n工作地点：杭州\n\n职位描述\n1. 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\n2. 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\n3. 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\n4. 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\n5. 负责研究稀疏多图、视频等输入条件下的3D场景重建技术\n6. 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\n\n职位要求\n1. 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\n2. 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\n3. 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\n4. 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\n5. 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\n6. 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\n7. 熟悉 Open3D、PyTorch3D、Blender、Trimesh、Kaolin、nvdiffrast 等 3D 工具或渲染/几何处理框架者优先\n8. 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\n1. 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\n2. 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\n3. 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\n4. 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\n5. 负责研究稀疏多图、视频等输入条件下的3D场景重建技术\n6. 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\n1. 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\n2. 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\n3. 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\n4. 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\n5. 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\n6. 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\n7. 熟悉 Open3D、PyTorch3D、Blender、Trimesh、Kaolin、nvdiffrast 等 3D 工具或渲染/几何处理框架者优先\n8. 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",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}