О команде:

Наша команда разрабатывает инструмент для тестирования автономной технологии - симулятор. Нам нужно достичь максимальной реалистичности нашего виртуального мира с точки зрения физики, качества изображения, данных с сенсоров и просто поведения окружающих объектов.

Мы ищем ML/DL инженера в команду симулятора - наша задача построить единый продукт валидации технологии автономного вождения на разных уровнях, в том числе на интеграционном, когда запускаются системы распознавания. Для этого нам необходимо добиться максимальной реалистичности данных с сенсоров - лидаров, камер и радаров.

Чем предстоит заниматься:

• Исследование и разработка методов 3D-реконструкции и нейронного рендеринга на основе Gaussian Splatting / NeRF и смежных подходов;
• Разработка методов novel view synthesis для генерации изображений с виртуальных положений и траекторий камеры;
• Работа с динамическими сценами: движущимися автомобилями, пешеходами и другими объектами;
• Работа с мультимодальными данными автономного автомобиля: камеры, LiDAR, в перспективе radar;
• Разработка и обучение диффузионных моделей img2img и video2video;
• Участие в code review, в составлении документации и в других активностях отдела;
• Оптимизация inference/training pipeline по скорости, памяти и качеству реконструкции;
• Взаимодействие с другими подразделения для решения поставленных задач (разметка данных, интеграция решений и т.д.).

Что мы ждем от кандидата:

• Уверенное знание PyTorch и опыт самостоятельной разработки и обучения DL-моделей;
• Хорошее понимание современных архитектур компьютерного зрения: CNN, Transformers, diffusion models;
• Понимание основ 3D computer vision: системы координат, camera models, intrinsic/extrinsic calibration, проекции и преобразования;
• Хорошее знание Python и базовое понимание Linux/Git/Docker, понимание методов оценки image/video generation: PSNR, SSIM, LPIPS, FID/FVD и perceptual metrics.

Будет плюсом:

• Опыт работы с 3D Gaussian Splatting, dynamic Gaussian Splatting, NeRF и neural rendering;
• Знание CUDA / C++ и опыт оптимизации GPU workloads;
• Публикации или практический исследовательский опыт в областях 3D-реконструкция, нейронный рендеринг, генеративные модели, автономное вождение.
• Опыт работы с большими моделями (VLM/LLM/диффузионные модели).