职位描述1. 负责双目深度估计的模型研发，包括网络结构设计、损失函数设计、cost volume 模型、Transformer/Attention 模型等。 2. 基于 PyTorch/TensorFlow 等框架搭建 端到端深度估计训练 pipeline，包含数据增强、预处理、label 工程等等。 3. 深入研究并实现主流双目深度学习模型： - PSMNet / GwcNet / GANet - RAFT-Stereo - LEAStereo、STTR、Neural Stereo - 3D CNN / Transformer-based Stereo 4. 主导双目深度估计系统在真实场景下的 domain generalization / domain adaptation 工作，解决弱纹理、低光、重复纹理、户外变化等问题。 5. 负责构建与清洗双目数据集，包括：采集、标注、对齐、rectify 流程、数据质量评估等。 6. 分析模型误差，构建模型评估指标（EPE、D1、Bad Pixel 等），进行迭代调优。 7. 跟踪前沿研究（CVPR/ICCV/NeurIPS/Stereo Matching Leaderboard），将新方法工程化落地。任职要求1. 计算机视觉、人工智能、计算机科学等相关专业，本科及以上学历，硕士优先。 2. 深刻理解双目深度估计的深度学习方法，包括： - cost volume 构建与 aggregation - stereo attention - disparity regression - feature matching 3. 熟练掌握至少一种主流深度模型： - PSMNet / GwcNet / GANet - RAFT-Stereo / STTR / LEAStereo / AnyNet / NeuralStereo 4. 熟练使用 PyTorch 或 TensorFlow，具备独立搭建训练、调参、评估能力。 5. 熟悉 Stereo 数据集（KITTI、SceneFlow、Middlebury、ETH3D、DrivingStereo）及其评估标准。 6. 熟悉常用网络组件： - 3D CNN / GRU / Transformer - Feature Pyramid - Patch matching - Cost volume regularization 7. 有模型落地经验，如： - TensorRT - ONNX - 加速推理优化（FP16、INT8、卷积优化）
