职位描述岗位概述 我们正在寻找一位专注于多目摄像头人体三维重建的算法工程师，核心方向是基于多视角 RGB/RGBD 视频，结合 SMPL 人体参数化模型、MANO 手部参数化模型，精准还原人体全身（含手部）的三维骨骼、姿态与全局运动轨迹。你将负责从多目相机采集到最终可驱动骨骼模型的全链路算法研发与落地。 岗位职责 - 负责多目摄像头的人体三维姿态与形状重建算法研发，输出 SMPL / SMPL-X 人体参数 - 负责手部精细姿态重建，基于 MANO 模型实现手指关节的高精度还原 - 打通「多目采集 → 相机标定 → 2D/3D 关键点检测 → 多视角融合 → SMPL/MANO 参数拟合 → 三维骨骼驱动」的完整 pipeline - 优化重建精度与鲁棒性，解决遮挡、快速运动等挑战性问题，推动算法工程化落地，满足产品对精度与实时性的要求任职要求- 计算机视觉、图形学、机器人或相关专业，硕士及以上学历（优秀本科可放宽） - 扎实的计算机视觉与深度学习基础，熟悉人体姿态估计（2D/3D）主流方法 - 精通 SMPL / SMPL-H / SMPL-X 人体参数化模型，理解其参数空间（pose / shape / expression）与运动学约束 - 精通 MANO 手部参数化模型，有手部姿态估计或手-物体交互重建经验优先 - 熟悉多目视觉系统：相机标定（内参/外参/畸变）、多视角几何、立体匹配、三维点云重建 - 有 SLAM 相关经验：熟悉视觉 SLAM（如 ORB-SLAM、VINS）或人体 SLAM / 全局运动跟踪方案，理解位姿估计、Bundle Adjustment、回环检测等核心技术 - 熟练掌握至少一种人体拟合方法：优化式拟合（如 SMPLify / SMPLify-X）、端到端回归（如 VIBE / SPIN / PARE / HybrIK）或扩散式生成 加分项 - 有全身 + 手部联合重建经验，熟悉 SMPL-X 或 FrankMocap 等方案 - 有视频时序一致性优化经验（如使用 VIBE、TCMR 等时序模型） - 有人体 SLAM / 人体全局定位项目经验，能处理人体在大空间中的运动跟踪 - 熟悉动作捕捉系统（如 OptiTrack、Vicon）与数据处理流程 - 有实际产品落地经验，处理过真实场景下的低分辨率、遮挡、光照变化等问题
