The posting
1. 参与与 3D/4DGS,FFGS(前馈式高斯重建)相关算法的工程落地,包括训练流程搭建、数据预处理、评测与对比实验 2. 参与高斯渲染器的开发与优化,聚焦 CUDA 算子、光栅化、排序、显存与吞吐等热点路径的性能加速 3. 协助完成算法原型到可复现实验的转化:配置管理、Benchmark、消融实验、结果可视化与文档整理 4. 跟踪 3DGS / 4DGS 前沿进展,阅读论文并实现关键模块,与算法同学协作完成 idea 验证与迭代 5. 参与渲染管线调试与数值对齐,定位训练/推理中的性能瓶颈与正确性问题
1. 计算机、软件工程、图形学、自动化等相关专业,本科大三及以上或硕士在读;能保证每周至少 4 天、连续实习 3 个月以上 2. 理解 3D Gaussian Splatting 基本原理(高斯表示、可微光栅化、训练致密化等);对 FFGS、4DGS 至少一个方向有实际项目或论文复现经验 3. 熟练使用 Python,能独立跑通训练与评测;熟悉 PyTorch;有 C++/CUDA 基础或渲染相关开发经验者优先 4. 有渲染器优化/加速经验者优先,例如:自定义 CUDA kernel、算子融合、显存优化、推理加速,或与 gsplat / diff-gaussian-rasterization 等渲染库的深度使用/改造 5. 能阅读英文论文并复现核心方法;有清晰的实验记录习惯;沟通主动,能按时交付阶段性成果 6. 加分项:在 3DGS、NeRF、神经渲染相关方向有开源贡献、竞赛获奖或发表论文 7. 加分项:熟悉多视图几何、相机模型、点云处理,或有自动驾驶、三维重建业务场景经验 8. 加分项:同时接触过静态 3DGS(FFGS)与动态 4DGS 两条链路,能做横向对比与迁移



