Job
Aus Partner-Feed
3D-Computer-Vision-Forschungsingenieur - Weltkarte
Preis auf Anfrage
Details
- Beschäftigungsart
- Vollzeit
- Remote
- Nein
- Unternehmen
- Niantic Spatial
Beschreibung
Automatisch aus dem English übersetzt. Der Originaltext ist maßgeblich. Maschinenübersetzung – eine genauere Version wird vorbereitet.
Über Niantic Spatial
KI hat aus fast allem online gelernt, hat aber immer noch Probleme mit der physischen Welt, in der 99,5 % der wirtschaftlichen Aktivitäten stattfinden. Es weiß nicht, wo sich Dinge befinden, wie Räume zusammenpassen oder was sich im Laufe der Zeit verändert.
Das ist eines der größten ungelösten Probleme in der KI und es ist das, was wir bei Niantic Spatial lösen. Wir entwickeln räumliche KI-Modelle und -Dienste, damit Menschen und Maschinen in der physischen Welt sicher denken, lernen und handeln können. Wir verwandeln Kamerabilder, Videos, Sensordaten und Archive in genaue, KI-lesbare Darstellungen realer Orte, an denen Roboter trainieren können und die Maschinen nutzen können, um genau zu wissen, wo sie sich befinden.
In der physischen KI haben Fehler echte Konsequenzen. Aus diesem Grund entwickeln wir KI, die auf gemessener Realität und nicht auf Vermutungen basiert, damit die Menschen und Maschinen, die sich darauf verlassen, darauf vertrauen können, dass sie die Dinge richtig macht.
Unser Team hat einige der weltweit am häufigsten verwendeten Karten erstellt. Jetzt bauen wir etwas Größeres: eine lebendige, gemessene Aufzeichnung der realen Welt, die Maschinen abfragen, daraus lernen und nutzen können, um zu verstehen, wie sich Orte im Laufe der Zeit verändern. Wenn Sie der KI helfen möchten, die Welt, in der wir tatsächlich leben, zu verstehen, bauen Sie mit uns.
Über die Rolle
Sie helfen beim Aufbau der geometrischen Grundlage der Weltkarte der nächsten Generation – indem Sie als Forschungsingenieur oder leitender Forschungsingenieur unserem World Map Research Engineering-Team (Geospatial Alignment) beitreten. Hierbei handelt es sich um eine durchgängige Rolle in der angewandten Forschung, die von intensiver Ingenieur- und Datensystemarbeit bis hin zu Forschung und Entwicklung in den Bereichen 3D-Deep-Learning, Transformatoren und Fundamentmodelle reicht. Sie entwickeln neue Algorithmen, erstellen die für deren Weiterentwicklung erforderlichen Forschungsdaten und Evaluierungsressourcen und entwickeln die daraus resultierenden Funktionen in zuverlässige Produktionssysteme um.
Das World Map-Team arbeitet mit heterogenen Aufnahmen von Telefonen und Handheld-Geräten, Luftbildern, LiDAR und 360-Grad-Kameras sowie externen geografischen Daten und Höhendaten. Die zentrale Herausforderung besteht darin, diese Datenquellen zu harmonisieren, die Unsicherheit zu quantifizieren und die Konsistenz bei der Weiterentwicklung der Karte aufrechtzuerhalten.
Sie arbeiten an der Schnittstelle zwischen Spitzenforschung und skalierbarer Technik – Sie entwickeln neue Ansätze zur Geodatenregistrierung, Korrespondenz und geometrischen Optimierung und produzieren diese Technologien dann, um das Weltmodell von Niantic Spatial direkt zu verbessern.
Was Sie tun werden
• Geodatenregistrierung – Entwickeln und Weiterentwicklung von Algorithmen für die Georeferenzierung und Registrierung von Bildern, 3D-Rekonstruktionen, Punktwolken und geografischen Referenzdaten im Weltmaßstab.
• 3D-Geometrie und Korrespondenz – Erstellen und verbessern Sie Methoden, die Multi-View-Geometrie, SfM, SLAM, Feature-Matching, erlernte Korrespondenz, Bündelanpassung, Punktwolkenregistrierung und ICP umfassen.
• Daten und Auswertung – Erstellen Sie das Daten- und Auswertungsschwungrad für die Kartierung im Weltmaßstab – entwerfen und pflegen Sie umfangreiche Datensätze, Pipelines, Benchmarks und Auswertungsmethoden, die harte Fehlermodi aufdecken, die Forschungsiteration beschleunigen und die Produktion unterstützen.
• Lernbasiertes 3D-Argumentation – Erkunden und entwickeln Sie lernbasierte Ansätze für das Geodatenverständnis, indem Sie Transformatoren und 3D-Grundlagenmodelle mit geometrischen Prioritäten und Unsicherheitsmodellierung kombinieren.
• Produktionsrobustheit – Entwerfen Sie robuste Lösungen für anspruchsvolle reale Bedingungen: spärliches oder verrauschtes GPS, wechselndes Erscheinungsbild, inkonsistente Rekonstruktionsqualität, große geografische Ausdehnung und unvollständige Referenzkarten.
• Funktionsübergreifende Zusammenarbeit – Arbeiten Sie mit führenden Forschern in den Bereichen visuelle Lokalisierung, 3D-Computervision und Kartierung sowie mit Ingenieurs- und Produktteams zusammen, um schwerwiegende Probleme zu identifizieren und Forschungsdurchbrüche in End-to-End-Produktionssysteme umzusetzen.
• Forschungskommunikation – Teilen Sie Ergebnisse klar durch technisches Schreiben, Designüberprüfungen und interne Präsentationen; Tragen Sie gegebenenfalls zu Veröffentlichungen und offener Forschung bei.
Was Sie mitbringen
• Bachelor- oder Master-Abschluss in Informatik, Robotik, maschinellem Lernen, Photogrammetrie oder einem eng verwandten Bereich – oder gleichwertige Forschungs- oder Branchenerfahrung.
• Gute Kenntnisse in 3D-Computer Vision, maschinellem Lernen, Robotik, Photogrammetrie oder einem eng verwandten Bereich.
• Nachgewiesene Erfahrung mit 3D-Geometrie und mehreren relevanten Bereichen – Multi-View-Rekonstruktion, SfM, SLAM, Kamerapositionsschätzung, Punktwolkenregistrierung, bildbasierte Lokalisierung, Georeferenzierung oder Sensorfusion.
• Die Fähigkeit, mehrdeutige Probleme aus der realen Welt zu formulieren, die richtigen mathematischen oder lernbasierten Werkzeuge auszuwählen und Lösungen sorgfältig zu bewerten.
• Starke Python-Kenntnisse und Erfahrung mit modernen ML- und wissenschaftlichen Computerbibliotheken (PyTorch, NumPy, SciPy).
• Starke Software-Engineering-Kenntnisse – Sie können Forschungsprototypen in zuverlässige, skalierbare und wartbare Systeme umwandeln.
• Eine Erfolgsbilanz bei der Umsetzung eines Algorithmus von der Forschungsidee und dem experimentellen Prototyp über die Bewertung, das Benchmarking und den Einsatz anhand realer Daten.
• Klare schriftliche und mündliche Kommunikation; in der Lage, effektiv über Forschungs- und Ingenieurdisziplinen hinweg zusammenzuarbeiten.
Schön zu haben
• Doktortitel in Computer Vision, Robotik, maschinellem Lernen, Photogrammetrie, Geodäsie, Fernerkundung oder einem verwandten Bereich – nicht erforderlich, aber geschätzt.
• Eine starke Publikationsbilanz oder aktive Beteiligung an der Forschungsgemeinschaft an Orten wie CVPR, ICCV, ECCV, NeurIPS, ICLR, SIGGRAPH, 3DV, ICRA oder RSS.
• Erfahrung mit lernbasierten Ansätzen für visuelles oder 3D-Verständnis – Transformatoren, Punkttransformatoren, Fundamentmodelle oder Methoden, die erlernte Darstellungen mit expliziten geometrischen Prioritäten kombinieren.
• Erfahrung mit Luft- oder Satellitenbildern, GNSS/GPS, Geodäsie, Kartierungssystemen oder großräumigen Geodaten.
• Nachweis von technischer Führung, Mentoring oder erfolgreicher funktionsübergreifender Bereitstellung.…
Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/niantic-spatial/3d-computer-vision-research-engineer-world-map-london-30634)
KI hat aus fast allem online gelernt, hat aber immer noch Probleme mit der physischen Welt, in der 99,5 % der wirtschaftlichen Aktivitäten stattfinden. Es weiß nicht, wo sich Dinge befinden, wie Räume zusammenpassen oder was sich im Laufe der Zeit verändert.
Das ist eines der größten ungelösten Probleme in der KI und es ist das, was wir bei Niantic Spatial lösen. Wir entwickeln räumliche KI-Modelle und -Dienste, damit Menschen und Maschinen in der physischen Welt sicher denken, lernen und handeln können. Wir verwandeln Kamerabilder, Videos, Sensordaten und Archive in genaue, KI-lesbare Darstellungen realer Orte, an denen Roboter trainieren können und die Maschinen nutzen können, um genau zu wissen, wo sie sich befinden.
In der physischen KI haben Fehler echte Konsequenzen. Aus diesem Grund entwickeln wir KI, die auf gemessener Realität und nicht auf Vermutungen basiert, damit die Menschen und Maschinen, die sich darauf verlassen, darauf vertrauen können, dass sie die Dinge richtig macht.
Unser Team hat einige der weltweit am häufigsten verwendeten Karten erstellt. Jetzt bauen wir etwas Größeres: eine lebendige, gemessene Aufzeichnung der realen Welt, die Maschinen abfragen, daraus lernen und nutzen können, um zu verstehen, wie sich Orte im Laufe der Zeit verändern. Wenn Sie der KI helfen möchten, die Welt, in der wir tatsächlich leben, zu verstehen, bauen Sie mit uns.
Über die Rolle
Sie helfen beim Aufbau der geometrischen Grundlage der Weltkarte der nächsten Generation – indem Sie als Forschungsingenieur oder leitender Forschungsingenieur unserem World Map Research Engineering-Team (Geospatial Alignment) beitreten. Hierbei handelt es sich um eine durchgängige Rolle in der angewandten Forschung, die von intensiver Ingenieur- und Datensystemarbeit bis hin zu Forschung und Entwicklung in den Bereichen 3D-Deep-Learning, Transformatoren und Fundamentmodelle reicht. Sie entwickeln neue Algorithmen, erstellen die für deren Weiterentwicklung erforderlichen Forschungsdaten und Evaluierungsressourcen und entwickeln die daraus resultierenden Funktionen in zuverlässige Produktionssysteme um.
Das World Map-Team arbeitet mit heterogenen Aufnahmen von Telefonen und Handheld-Geräten, Luftbildern, LiDAR und 360-Grad-Kameras sowie externen geografischen Daten und Höhendaten. Die zentrale Herausforderung besteht darin, diese Datenquellen zu harmonisieren, die Unsicherheit zu quantifizieren und die Konsistenz bei der Weiterentwicklung der Karte aufrechtzuerhalten.
Sie arbeiten an der Schnittstelle zwischen Spitzenforschung und skalierbarer Technik – Sie entwickeln neue Ansätze zur Geodatenregistrierung, Korrespondenz und geometrischen Optimierung und produzieren diese Technologien dann, um das Weltmodell von Niantic Spatial direkt zu verbessern.
Was Sie tun werden
• Geodatenregistrierung – Entwickeln und Weiterentwicklung von Algorithmen für die Georeferenzierung und Registrierung von Bildern, 3D-Rekonstruktionen, Punktwolken und geografischen Referenzdaten im Weltmaßstab.
• 3D-Geometrie und Korrespondenz – Erstellen und verbessern Sie Methoden, die Multi-View-Geometrie, SfM, SLAM, Feature-Matching, erlernte Korrespondenz, Bündelanpassung, Punktwolkenregistrierung und ICP umfassen.
• Daten und Auswertung – Erstellen Sie das Daten- und Auswertungsschwungrad für die Kartierung im Weltmaßstab – entwerfen und pflegen Sie umfangreiche Datensätze, Pipelines, Benchmarks und Auswertungsmethoden, die harte Fehlermodi aufdecken, die Forschungsiteration beschleunigen und die Produktion unterstützen.
• Lernbasiertes 3D-Argumentation – Erkunden und entwickeln Sie lernbasierte Ansätze für das Geodatenverständnis, indem Sie Transformatoren und 3D-Grundlagenmodelle mit geometrischen Prioritäten und Unsicherheitsmodellierung kombinieren.
• Produktionsrobustheit – Entwerfen Sie robuste Lösungen für anspruchsvolle reale Bedingungen: spärliches oder verrauschtes GPS, wechselndes Erscheinungsbild, inkonsistente Rekonstruktionsqualität, große geografische Ausdehnung und unvollständige Referenzkarten.
• Funktionsübergreifende Zusammenarbeit – Arbeiten Sie mit führenden Forschern in den Bereichen visuelle Lokalisierung, 3D-Computervision und Kartierung sowie mit Ingenieurs- und Produktteams zusammen, um schwerwiegende Probleme zu identifizieren und Forschungsdurchbrüche in End-to-End-Produktionssysteme umzusetzen.
• Forschungskommunikation – Teilen Sie Ergebnisse klar durch technisches Schreiben, Designüberprüfungen und interne Präsentationen; Tragen Sie gegebenenfalls zu Veröffentlichungen und offener Forschung bei.
Was Sie mitbringen
• Bachelor- oder Master-Abschluss in Informatik, Robotik, maschinellem Lernen, Photogrammetrie oder einem eng verwandten Bereich – oder gleichwertige Forschungs- oder Branchenerfahrung.
• Gute Kenntnisse in 3D-Computer Vision, maschinellem Lernen, Robotik, Photogrammetrie oder einem eng verwandten Bereich.
• Nachgewiesene Erfahrung mit 3D-Geometrie und mehreren relevanten Bereichen – Multi-View-Rekonstruktion, SfM, SLAM, Kamerapositionsschätzung, Punktwolkenregistrierung, bildbasierte Lokalisierung, Georeferenzierung oder Sensorfusion.
• Die Fähigkeit, mehrdeutige Probleme aus der realen Welt zu formulieren, die richtigen mathematischen oder lernbasierten Werkzeuge auszuwählen und Lösungen sorgfältig zu bewerten.
• Starke Python-Kenntnisse und Erfahrung mit modernen ML- und wissenschaftlichen Computerbibliotheken (PyTorch, NumPy, SciPy).
• Starke Software-Engineering-Kenntnisse – Sie können Forschungsprototypen in zuverlässige, skalierbare und wartbare Systeme umwandeln.
• Eine Erfolgsbilanz bei der Umsetzung eines Algorithmus von der Forschungsidee und dem experimentellen Prototyp über die Bewertung, das Benchmarking und den Einsatz anhand realer Daten.
• Klare schriftliche und mündliche Kommunikation; in der Lage, effektiv über Forschungs- und Ingenieurdisziplinen hinweg zusammenzuarbeiten.
Schön zu haben
• Doktortitel in Computer Vision, Robotik, maschinellem Lernen, Photogrammetrie, Geodäsie, Fernerkundung oder einem verwandten Bereich – nicht erforderlich, aber geschätzt.
• Eine starke Publikationsbilanz oder aktive Beteiligung an der Forschungsgemeinschaft an Orten wie CVPR, ICCV, ECCV, NeurIPS, ICLR, SIGGRAPH, 3DV, ICRA oder RSS.
• Erfahrung mit lernbasierten Ansätzen für visuelles oder 3D-Verständnis – Transformatoren, Punkttransformatoren, Fundamentmodelle oder Methoden, die erlernte Darstellungen mit expliziten geometrischen Prioritäten kombinieren.
• Erfahrung mit Luft- oder Satellitenbildern, GNSS/GPS, Geodäsie, Kartierungssystemen oder großräumigen Geodaten.
• Nachweis von technischer Führung, Mentoring oder erfolgreicher funktionsübergreifender Bereitstellung.…
Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/niantic-spatial/3d-computer-vision-research-engineer-world-map-london-30634)
Dieses Angebot stammt aus einem Partner-Feed. Bewerben Sie sich auf der Quell-Website.
Quelle: Niantic Spatial
Standort
London, Vereinigtes Königreich
Inserat bereitgestellt von Niantic Spatial.
