职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:199907700045

3D视觉算法研究-阿里星

未披露 · 杭州 · 阿里巴巴集团

主分类:计算机视觉与图像感知算法研发
算法与数据
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": "3D视觉算法研究-阿里星",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "Token Foundry",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "阿里巴巴集团",
        "company_industry": "电子商务 / 云计算 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "alibaba.com",
        "company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "来自全球Top高校计算机科学、人工智能、数学或相关领域应届博士/顶尖硕士毕业生",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "我们致力于将前沿的多模态大模型技术与体育产业深度融合,探索人工智能技术在竞技体育领域的创新应用。围绕篮球、足球等核心运动场景,我们期望通过多模态感知、3D空间理解与跨模态推理,解决复杂运动分析中的核心挑战,打造下一代体育智能系统。\n1、体育多模态大模型创新:定义体育垂直领域的多模态大模型技术范式,实现文本、视觉、空间数据的联合建模,探寻并解决体育场景下的多模态对齐、战术推理与Agentic交互等核心挑战。\n2、3D视觉与运动分析:主导3D重建、人体跟踪与分割、动作识别等核心算法的研发,构建高精度的“球-人-场”协同感知系统,赋能战术分析、动作评估与辅助判罚等场景。\n3、场景驱动的算法落地:结合篮球/足球等真实业务场景,设计并优化大模型架构与3D视觉算法,提升模型在复杂动态环境下的效果、效率与鲁棒性,主导从数据构建到部署的端到端技术闭环。\n4、前沿技术探索:紧跟LLM、Diffusion Models、强化学习及3D视觉领域的最新进展,快速实验并迭代创新方案,拉升体育AI领域的SOTA水平,定义智能体育的技术新范式。",
        "requirements_text": "1、来自全球Top高校计算机科学、人工智能、数学或相关领域应届博士/顶尖硕士毕业生。\n2、深入掌握深度学习、3D视觉、多模态建模等核心技术,在3D重建、人体姿态估计、运动目标跟踪与分割、战术分析等方向有深入研究或项目经验。\n3、在国际顶级会议/期刊(如CVPR、ICCV、ECCV、NeurIPS、ICLR等)以一作身份发表过相关论文,或在开源社区、AI竞赛中展示出引领性的研究成果。\n4、良好的工程与实验思维:熟悉PyTorch等主流框架,具备大规模模型调优或3D视觉算法落地经验,重视代码质量与实验结果,追求高效优雅的实现。\n5、对体育运动有浓厚兴趣:热爱篮球、足球等运动,熟悉其规则与战术体系,有志于将AI技术应用于真实体育场景,能够从复杂的运动需求中提炼核心AI建模问题。\n6、善于跨团队协作:能与产品、体育专家及工程团队高效沟通,平衡技术理想与业务落地,共同推动体育AI产品的创新与演进。",
        "skills": [AI生成
            "PyTorch",
            "深度学习",
            "团队协作",
            "建模"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907700045?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907700045",
        "post_date": "2026-08-13",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907700045?deptCodes="
    },
    "fulltext": "3D视觉算法研究-阿里星\n3D视觉算法研究-阿里星\n\n基础信息\n毕业起止时间要求:2026-11-01 - 2027-10-31\n职位类别:技术类\n招聘项目:阿里巴巴2027届应届生\n工作地点:杭州\n\n职位描述\n我们致力于将前沿的多模态大模型技术与体育产业深度融合,探索人工智能技术在竞技体育领域的创新应用。围绕篮球、足球等核心运动场景,我们期望通过多模态感知、3D空间理解与跨模态推理,解决复杂运动分析中的核心挑战,打造下一代体育智能系统。\n1、体育多模态大模型创新:定义体育垂直领域的多模态大模型技术范式,实现文本、视觉、空间数据的联合建模,探寻并解决体育场景下的多模态对齐、战术推理与Agentic交互等核心挑战。\n2、3D视觉与运动分析:主导3D重建、人体跟踪与分割、动作识别等核心算法的研发,构建高精度的“球-人-场”协同感知系统,赋能战术分析、动作评估与辅助判罚等场景。\n3、场景驱动的算法落地:结合篮球/足球等真实业务场景,设计并优化大模型架构与3D视觉算法,提升模型在复杂动态环境下的效果、效率与鲁棒性,主导从数据构建到部署的端到端技术闭环。\n4、前沿技术探索:紧跟LLM、Diffusion Models、强化学习及3D视觉领域的最新进展,快速实验并迭代创新方案,拉升体育AI领域的SOTA水平,定义智能体育的技术新范式。\n\n职位要求\n1、来自全球Top高校计算机科学、人工智能、数学或相关领域应届博士/顶尖硕士毕业生。\n2、深入掌握深度学习、3D视觉、多模态建模等核心技术,在3D重建、人体姿态估计、运动目标跟踪与分割、战术分析等方向有深入研究或项目经验。\n3、在国际顶级会议/期刊(如CVPR、ICCV、ECCV、NeurIPS、ICLR等)以一作身份发表过相关论文,或在开源社区、AI竞赛中展示出引领性的研究成果。\n4、良好的工程与实验思维:熟悉PyTorch等主流框架,具备大规模模型调优或3D视觉算法落地经验,重视代码质量与实验结果,追求高效优雅的实现。\n5、对体育运动有浓厚兴趣:热爱篮球、足球等运动,熟悉其规则与战术体系,有志于将AI技术应用于真实体育场景,能够从复杂的运动需求中提炼核心AI建模问题。\n6、善于跨团队协作:能与产品、体育专家及工程团队高效沟通,平衡技术理想与业务落地,共同推动体育AI产品的创新与演进。\n\n在招业务\nToken Foundry\n我们致力于将前沿的多模态大模型技术与体育产业深度融合,探索人工智能技术在竞技体育领域的创新应用。围绕篮球、足球等核心运动场景,我们期望通过多模态感知、3D空间理解与跨模态推理,解决复杂运动分析中的核心挑战,打造下一代体育智能系统。\n1、体育多模态大模型创新:定义体育垂直领域的多模态大模型技术范式,实现文本、视觉、空间数据的联合建模,探寻并解决体育场景下的多模态对齐、战术推理与Agentic交互等核心挑战。\n2、3D视觉与运动分析:主导3D重建、人体跟踪与分割、动作识别等核心算法的研发,构建高精度的“球-人-场”协同感知系统,赋能战术分析、动作评估与辅助判罚等场景。\n3、场景驱动的算法落地:结合篮球/足球等真实业务场景,设计并优化大模型架构与3D视觉算法,提升模型在复杂动态环境下的效果、效率与鲁棒性,主导从数据构建到部署的端到端技术闭环。\n4、前沿技术探索:紧跟LLM、Diffusion Models、强化学习及3D视觉领域的最新进展,快速实验并迭代创新方案,拉升体育AI领域的SOTA水平,定义智能体育的技术新范式。\n1、来自全球Top高校计算机科学、人工智能、数学或相关领域应届博士/顶尖硕士毕业生。\n2、深入掌握深度学习、3D视觉、多模态建模等核心技术,在3D重建、人体姿态估计、运动目标跟踪与分割、战术分析等方向有深入研究或项目经验。\n3、在国际顶级会议/期刊(如CVPR、ICCV、ECCV、NeurIPS、ICLR等)以一作身份发表过相关论文,或在开源社区、AI竞赛中展示出引领性的研究成果。\n4、良好的工程与实验思维:熟悉PyTorch等主流框架,具备大规模模型调优或3D视觉算法落地经验,重视代码质量与实验结果,追求高效优雅的实现。\n5、对体育运动有浓厚兴趣:热爱篮球、足球等运动,熟悉其规则与战术体系,有志于将AI技术应用于真实体育场景,能够从复杂的运动需求中提炼核心AI建模问题。\n6、善于跨团队协作:能与产品、体育专家及工程团队高效沟通,平衡技术理想与业务落地,共同推动体育AI产品的创新与演进。",
    "standard_classification": {
        "std_category_code": "T034",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}