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": "日常实习生-业务技术-三维重建和生成算法工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "淘天集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"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、计算机图形学等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "参与实现先进的Image to 3D生成算法，重点关注用于室内设计的家具建模应用，设计并实现高效的3D表征，改善网络结构，研究不同的预训练以及后训练方案，负责不同算法消融实验，清晰记录研究过程、方法及结果，产出高保真、高还原度的3D模型。",
"requirements_text": "1. 计算机科学、人工智能、计算机图形学等相关专业硕士及以上学历；\n2. 熟练掌握Python以及PyTorch，熟悉常见的深度网络如Transformer，Unet等；\n3. 对生成式AI的原理掌握扎实，如扩散模型、自回归模型，RLHF、DPO等后训练方法；\n4. 有扎实的图形学知识，熟悉不同3D表征、3D领域的深度网络以及PBR材质、表面重建、渲染等理论，掌握open3d等库的使用；\n5. 在SIGGRAPH/CVPR/ICCV/ECCV/NeurIPS等顶会发表过3D/AIGC相关论文者优先；",
"skills": [AI生成
"Python",
"PyTorch",
"渲染"
],
"preferred_qualifications": "5. 在SIGGRAPH/CVPR/ICCV/ECCV/NeurIPS等顶会发表过3D/AIGC相关论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199905340005?deptCodes="
}
]
},
"posting": {
"posting_id": "199905340005",
"post_date": "2026-05-21",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199905340005?deptCodes="
},
"fulltext": "日常实习生-业务技术-三维重建和生成算法工程师\n日常实习生-业务技术-三维重建和生成算法工程师\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2029-10-31\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：杭州\n\n职位描述\n参与实现先进的Image to 3D生成算法，重点关注用于室内设计的家具建模应用，设计并实现高效的3D表征，改善网络结构，研究不同的预训练以及后训练方案，负责不同算法消融实验，清晰记录研究过程、方法及结果，产出高保真、高还原度的3D模型。\n\n职位要求\n1. 计算机科学、人工智能、计算机图形学等相关专业硕士及以上学历；\n2. 熟练掌握Python以及PyTorch，熟悉常见的深度网络如Transformer，Unet等；\n3. 对生成式AI的原理掌握扎实，如扩散模型、自回归模型，RLHF、DPO等后训练方法；\n4. 有扎实的图形学知识，熟悉不同3D表征、3D领域的深度网络以及PBR材质、表面重建、渲染等理论，掌握open3d等库的使用；\n5. 在SIGGRAPH/CVPR/ICCV/ECCV/NeurIPS等顶会发表过3D/AIGC相关论文者优先；\n\n在招业务\n淘天集团\n参与实现先进的Image to 3D生成算法，重点关注用于室内设计的家具建模应用，设计并实现高效的3D表征，改善网络结构，研究不同的预训练以及后训练方案，负责不同算法消融实验，清晰记录研究过程、方法及结果，产出高保真、高还原度的3D模型。\n1. 计算机科学、人工智能、计算机图形学等相关专业硕士及以上学历；\n2. 熟练掌握Python以及PyTorch，熟悉常见的深度网络如Transformer，Unet等；\n3. 对生成式AI的原理掌握扎实，如扩散模型、自回归模型，RLHF、DPO等后训练方法；\n4. 有扎实的图形学知识，熟悉不同3D表征、3D领域的深度网络以及PBR材质、表面重建、渲染等理论，掌握open3d等库的使用；\n5. 在SIGGRAPH/CVPR/ICCV/ECCV/NeurIPS等顶会发表过3D/AIGC相关论文者优先；",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}