深圳3D视觉算法工程师
3D视觉算法工程师是负责研发和实现3D视觉算法的专业人士。他们在计算机视觉、图像处理和机器学习领域有深厚的专业知识。工作内容包括利用摄像头或激光雷达等设备获取环境中的三维信息，并通过算法处理和分析这些数据，实现物体识别、位姿估计、场景重建等功能。3D视觉算法工程师需要具备扎实的数学基础和编程技能，能够熟练运用C++、Python等编程语言进行算法实现和优化。此外，他们还需要不断关注行业技术的发展，积极探索新的算法和方法，为产品和系统提供更加准确和高效的视觉解决方案。这是一个涉及多领域知识的高度专业化职位，对工程师的能力和创新思维提出了很高的要求。
薪酬概览
平均月薪
¥24300
中位数 ¥22500 ｜ 区间 ¥17600 - ¥31000
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
75% 人群薪酬落在 15-30k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
6月新增岗位
5
对比上月：岗位减少0
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 8 | 100% |
热招职位
1.前沿技术攻坚与复现：跟踪并实现 AIGC 领域的 SOTA 算法，包括但不限于基于 Diffusion Models、Autoregressive Models 的大规模预训练架构。针对图像生成的控制性（Controllability）、一致性（Consistency）等前沿问题进行深度优化。
2.图像编辑与可控生成：研发基于 Mask、Text-prompt 或 Reference Image 的精准编辑算法。解决非刚性形变下的语义保持、局部重绘（Inpainting）与风格迁移中的伪影问题，提升算法在复杂场景下的鲁棒性。
3.数字人建模与驱动：研究基于Flow Model、Consistency Model的数字人建模算法。研究长视频生成、IP保持、动作驱动等难点，追求高质量的视觉表现与实时交互性能。
4.数据工程与全链路实验：构建高质量视觉数据集管线，设计针对生成质量的评估指标体系（如改进版 FID、CLIP Score 以及人工评测标准），通过高效的消融实验驱动算法迭代。
5.工程化落地与性能调优：配合工程团队进行模型压缩、量化及端云协同部署。
PUBG Mobile-高级算法工程师(数据挖掘)-新星引力计划
1.负责利用机器学习算法解决PUBG Mobile的业务问题，如活跃、社交、安全等相关内容的推荐和优化，能够进行问题抽象、技术选型、算法落地与优化，最终提升玩家体验；
2.负责游戏数据分析，包括不限于构建用户画像、用户增长、因果推断、归因分析等，并策划团队配合，依据业务需求，调整算法策略和确定模型优化方向；
3.负责具体项目落地，运用大数据+AI为项目带来可观的收益；
4.负责前沿技术跟进，能够识别技术的有效性并快速应用。
1. 多模态大模型研发优化：负责CV领域多模态大模型研发工作，聚焦图像、视频、文本多模态融合，完成视觉大模型预训练、微调、对齐优化，包括SFT、RLHF、Prompt工程、模型量化等工作，提升模型视觉理解、细粒度识别、图文匹配、图像生成能力。
2. 视觉Agent智能体开发：负责AI Agent架构设计与开发落地，搭建视觉智能体任务编排框架，实现Agent感知、推理、规划、执行闭环能力，完成视觉任务拆解、工具调用、多智能体协同、自主决策逻辑开发，落地CV场景智能化应用。
3. 算法方案设计与迭代：结合业务场景需求，调研跟进国内外多模态大模型、视觉Agent前沿技术，设计高精度、高稳定性的算法解决方案，持续优化模型推理速度、泛化能力、复杂场景适配性。
4. 数据处理与评测体系搭建：负责多模态视觉数据清洗、标注、增强、蒸馏优化，搭建模型评测基准，针对视觉识别、Agent任务执行效果进行量化评估，输出优化迭代方案。
5. 工程化落地与优化：配合工程团队完成模型轻量化、推理部署、性能调优，兼顾算法效果、算力成本与系统稳定性，实现多模态模型+视觉Agent在业务场景的规模化落地。
1.基于大模型、行为序列等技术，完善各类业务风险的全流程风控体系，包括不限于态势感知、风险审核、策略智能体、团伙自动化挖掘等，保证用户的资金安全，提升交易生态健康度；
2.基于多模态大模型、CV等技术建设业界领先的图像质检能力，包括不限于篡改检测、AIGC检测、人脸攻击识别、业务违规识别等，提升支付的反洗钱合规水平并优化客户入驻体验。
1、本科及以上在读，数学、计算机、人工智能、自动化、机器人等相关专业优先；
2、至少 1 年强化学习相关项目或研究经验，熟悉足式机器人运动学和动力学；
3、熟练使用基于 Pytorch 的深度学习框架，掌握 PPO、DQN、SAC 等主流强化学习算法，以及 MuJoCo、Isaac Gym/Sim 等主流仿真工具；
4、热爱机器人行业，有相关期刊或会议论文发表经历，或实际强化学习项目落地经验者优先。
【你将获得】
1、深度参与最前沿的具身智能算法研发，专注于双足机器人运动规划与控制，以及从仿真到实机的迁移；
2、行业内资深专家的指导，对于优秀成果，我们将全力支持发表学术论文或申请专利；
3、完备的实验室支持，包括充足的计算资源、稳定的机器人平台和强大的软硬件团队；
4、明确的成长路径：实习生是公司的重要储备人才，对于即将毕业的优秀实习生，我们优先考虑其全职工作申请。
1. 教育背景： 计算机、人工智能、软件工程等相关专业本科及以上学位。
2. 模型实战经验： 具备 LLM（如 LLaMA, GPT, Qwen 等）监督微调（SFT）、强化学习 (LLM-RL)等实务经验。
3. 核心技能： (至少熟悉以下一项)
- 有实际的 LLM SFT/RLVR 等微调经验，熟悉主流的微调框架（如 verl, Trinity-RFT, Axolotl, etc）。
- 有大规模应用服务部署经验，熟悉 Kubernetes、Docker 等容器化技术。
- 有 LLM 推理服务部署和优化经验，熟悉 vLLM/SGLang/Ray Serve 等。
- 有将 LLM 应用于人形机器人或自动驾驶相关项目的经验。
4. 编程与框架： 熟练掌握 Python，熟悉 PyTorch 等深度学习框架。具备良好的软件工程和代码习惯。
5. 沟通协作： 具备良好的沟通和团队合作精神，能快速学习和适应新技术。
核心算法研发：负责微表情识别算法的全流程开发，包括但不限于面部关键点检测（Landmark Detection）、面部动作单元（AU， Action Units）识别、微表情时空模式提取与分类。 多模态融合：结合语音情感分析、生理信号（PPG/眼动）或文本语义，构建多模态情感计算模型，提升在低强度、短时程微表情下的识别准确率。 数据工程：主导微表情数据的清洗、标注规范制定及数据增强策略（特别是针对不平衡样本和小样本学习），构建高质量的数据闭环。 模型优化：针对端侧（On-device）或云端部署需求，进行模型压缩、量化及推理加速，解决实际场景中的光照变化、头部姿态偏移等鲁棒性问题。 前沿探索：跟进CVPR/ICCV/ACII等顶会中关于情感计算、自监督学习的最新成果，将SOTA论文转化为可落地的工程方案。
1、跟踪AI前沿研究方向（如大模型安全、后量子安全等），开展系统性技术调研与问题拆解
2、围绕关键科学问题开展探索性研究（如模型对齐、安全机制、隐私计算等）
3、设计并实现算法原型，完成实验验证与效果分析
4、参与论文、专利或技术报告撰写，推动研究成果沉淀
1. 负责语音合成（Text-to-Speech, TTS）模型训练与线上优化。
2. 深入研究并应用深度学习技术，提升合成语音的自然度、表现力和稳定性，支持多音色、多语种、情感语音等高级功能。
3. 参与语音前端处理模块开发，包括文本归一化、分词、音素预测、韵律预测等任务。
4. 与语音识别、语音增强、产品等团队协作，推动TTS技术在实际场景中的落地（如智能助手、有声阅读、导航播报等）。
5. 跟踪学术界和工业界最新进展，持续优化模型性能，降低推理延迟，提升合成效率。
6. 编写高质量的技术文档，参与模型版本管理和工程化部署（如ONNX、TensorRT、Triton等）。
1、计算机、人工智能、自动化等相关专业硕士及以上学历；
2、具备扎实的深度学习基础，熟悉Transformer、BERT、ViT、CLIP等主流视觉-语言模型架构；
3、有大语言模型（LLM）的训练/微调/推理优化经验，熟悉其在下游任务中的应用；
4、熟练使用Pytorch深度学习框架，具备良好的工程能力和代码实现能力；
5、良好的团队协作与沟通能力，具备快速学习和解决问题的能力。
加分项：
1、有参与实际LLM预训练或后训练（SFT、DPO/RLHF）的相关项目经验；
2、有使用大语言模型进行数据合成（Data synthesis）的相关经验；
3、对大语言模型的预训练/后训练数据集有一定了解，有处理Trillion级别数据集的相关经验；
4、熟悉开源大模型生态（如Qwen, Llama等），对大模型的模型结构优化（如linear attention，Mixture-of-Expert等）有一定了解。
1. 本科及以上学历，计算机/电子/自动化/机器人工程等相关专业；
2. 2年以上的复杂的软件工程/嵌入式/分布式系统/多模型交互等领域的测试经验（其一或以上）；
3. 具备一定的编程能力(Python/C++/Java)，具备良好的编码风格参与编写自动化框架/运控脚本/测试平台开发等；
4. 熟悉使用SIL/HIL其中之一的技术，对仿真软件(MuJoCo/Isaac系列/Gazebo等)具备一定的项目实践经验，可进行部分场景模型的修改及完善，并对仿真结果进行分析及问题的排查；
5. 有良好的组织协调能力、沟通表达能力、主动学习能力，自驱力强。
加分项：
1. 有主导负责多模态(语音/具身/导航/视觉等)/机器人学/传统控制/深度控制/强化学习/slam原理等领域的经验者加分；
2. 有大模型技术(Prompt/RAG/微调等)在测试领域经验中实践并应用的经验者更佳。
1.有成功的商业游戏项目开发经验，尤其是MOBA或竞技类游戏；
2.熟悉Unreal Engine或其他主流游戏引擎，有跨引擎开发经验；
3.有AIBot、UGC工具或复杂商业化系统独立开发经验。