The posting
1. 研发面向第一视角 RGB / RGB-D 视频的动态场景重建算法,恢复相机运动、场景几何和动态对象状态 2. 研究前馈式 4D 重建与时空 Gaussian 表征,重点解决动静分离、快速运动、非刚性形变和遮挡等复杂场景下的重建问题。 3. 面向人—物及机器人—物体交互场景,构建对象级 4D 表征,恢复环境、人体或机器人、手部及被操作物体在统一坐标系下的几何、位姿和运动关系。 4. 推动 4D 重建结果应用于对象跟踪、操作轨迹恢复、机器人训练数据生成和动态数字孪生。 5. 建立真实采集数据上的训练、评测和消融体系,评估重建精度、时序一致性与推理效率,并协同验证其在对象跟踪、抓取放置和操作轨迹恢复等机器人任务中的实际价值
计算机视觉、计算机图形学、机器人、人工智能或相关专业本科高年级、硕士或博士在读。 熟练使用 Python、PyTorch 和 Linux,能够独立完成模型训练、代码调试、实验设计与结果分析。 具备扎实的三维视觉基础,理解相机模型、坐标变换、多视图几何、深度估计及三维运动估计等核心概念。 在以下至少一个方向有较深入的研究或项目经验: - 3DGS / 4DGS、NeRF、神经渲染或动态场景重建; - 深度估计、相机位姿恢复、三维点跟踪、scene flow 或前馈式三维重建; - 能够快速理解论文和代码,提出合理的实验假设,并根据定量结果和失败案例判断技术路线,而非仅完成方法复现。 在 CVPR、ICCV、ECCV、3DV、SIGGRAPH / SIGGRAPH Asia、ICRA、IROS、RSS、CoRL 等计算机视觉、图形学或机器人领域高水平会议有论文发表经历者优先。 具备良好的沟通和文档习惯,能够清晰说明问题定义、实验设置、技术选择和结论边界。



