Praca
Z kanału partnera
Inżynier ds. badań widzenia komputerowego 3D - mapa świata
Cena na życzenie
Szczegóły
- Typ zatrudnienia
- Pełny etat
- Zdalnie
- Nie
- Firma
- Niantic Spatial
Opis
Automatyczne tłumaczenie z języka English. Oryginał jest wiążący. Tłumaczenie maszynowe — trwają prace nad dokładniejszą wersją.
O Niantic Spatial
Sztuczna inteligencja nauczyła się niemal wszystkiego w Internecie, ale nadal zmaga się ze światem fizycznym, w którym odbywa się 99,5% działalności gospodarczej. Nie wie, gdzie się znajdują rzeczy, jak przestrzenie pasują do siebie ani co zmienia się w czasie.
To jeden z największych nierozwiązanych problemów sztucznej inteligencji, który rozwiązujemy w Niantic Spatial. Budujemy przestrzenne modele i usługi AI, aby ludzie i maszyny mogli bezpiecznie rozumować, uczyć się i działać w świecie fizycznym. Zamieniamy obrazy z kamer, wideo, dane z czujników i archiwa w dokładne, czytelne dla sztucznej inteligencji reprezentacje rzeczywistych miejsc, w których roboty mogą trenować, a maszyny mogą używać, aby dokładnie wiedzieć, gdzie się znajdują.
W fizycznej sztucznej inteligencji błędy mają realne konsekwencje. Dlatego budujemy sztuczną inteligencję opartą na zmierzonej rzeczywistości, a nie na domysłach, aby ludzie i maszyny na niej polegające mogły zaufać jej, że wszystko naprawi.
Nasz zespół stworzył jedne z najczęściej używanych map na świecie. Teraz budujemy coś większego: żywy, mierzony zapis prawdziwego świata, który maszyny mogą przeszukiwać, uczyć się i wykorzystywać do zrozumienia, jak miejsca zmieniają się w czasie. Jeśli chcesz pomóc sztucznej inteligencji zrozumieć świat, w którym żyjemy, buduj razem z nami.
O roli
Pomożesz zbudować geometryczne podstawy mapy świata nowej generacji — dołączając do naszego zespołu inżynierii badań map świata (wyrównanie geoprzestrzenne) jako inżynier ds. badań lub starszy inżynier ds. badań. Jest to kompleksowe stanowisko w zakresie badań stosowanych, które obejmuje prace inżynieryjne i systemy danych, a także prace badawczo-rozwojowe w zakresie głębokiego uczenia się 3D, transformatorów i modeli fundamentów. Będziesz opracowywać nowe algorytmy, generować dane badawcze i zasoby ewaluacyjne potrzebne do ich udoskonalenia, a następnie konstruować powstałe możliwości w niezawodne systemy produkcyjne.
Zespół World Map pracuje z heterogenicznymi zdjęciami z telefonów i urządzeń przenośnych, zdjęciami lotniczymi, LiDAR i kamerami 360°, a także zewnętrznymi danymi geograficznymi i wysokościowymi. Głównym wyzwaniem jest zharmonizowanie tych źródeł danych, ilościowe określenie niepewności i utrzymanie spójności w miarę ewolucji mapy.
Będziesz pracować na styku najnowocześniejszych badań i skalowalnej inżynierii — opracowując nowe podejścia do rejestracji geoprzestrzennej, korespondencji i optymalizacji geometrycznej, a następnie wdrażając te technologie, aby bezpośrednio ulepszyć model świata Niantic Spatial.
Co zrobisz
• Rejestracja geoprzestrzenna — opracowywanie i udoskonalanie algorytmów do georeferencji i rejestracji na skalę światową na podstawie obrazów, rekonstrukcji 3D, chmur punktów i geograficznych danych referencyjnych.
• Geometria i korespondencja 3D — Twórz i ulepszaj metody obejmujące geometrię wielu widoków, SfM, SLAM, dopasowywanie cech, wyuczoną korespondencję, dostosowywanie wiązek, rejestrację chmur punktów i ICP.
• Dane i ocena — tworzenie koła zamachowego danych i oceny na potrzeby mapowania na skalę światową — projektowanie i utrzymywanie wielkoskalowych zbiorów danych, potoków, wzorców i metodologii oceny, które ujawniają tryby twardych awarii, przyspieszają iterację badań i wspierają produkcję.
• Rozumowanie 3D oparte na uczeniu się — eksploruj i rozwijaj podejścia oparte na uczeniu się do zrozumienia geoprzestrzennego, łącząc transformatory i trójwymiarowe modele fundamentów z geometrycznymi priorytetami i modelowaniem niepewności.
• Solidność produkcji — Projektuj solidne rozwiązania dla trudnych warunków rzeczywistych: rzadki lub zaszumiony GPS, zmieniający się wygląd, niespójna jakość rekonstrukcji, duży zasięg geograficzny i niedoskonałe mapy referencyjne.
• Współpraca międzyfunkcyjna — partner z wiodącymi badaczami w dziedzinie lokalizacji wizualnej, komputerowego widzenia 3D i mapowania — a także z zespołami inżynieryjnymi i produktowymi — w celu identyfikowania problemów o dużym wpływie i przekształcania przełomowych odkryć badawczych w kompleksowe systemy produkcyjne.
• Komunikacja badawcza — jasne udostępnianie wyników poprzez teksty techniczne, recenzje projektów i prezentacje wewnętrzne; w stosownych przypadkach wnosić wkład w publikacje i otwarte badania naukowe.
Co przyniesiesz
• Tytuł licencjata lub magistra w dziedzinie informatyki, robotyki, uczenia maszynowego, fotogrametrii lub pokrewnej dziedziny — lub równoważne doświadczenie badawcze lub branżowe.
• Silne podstawy w zakresie komputerowego widzenia 3D, uczenia maszynowego, robotyki, fotogrametrii lub pokrewnego obszaru.
• Udokumentowane doświadczenie z geometrią 3D i kilkoma istotnymi obszarami — rekonstrukcja wielu widoków, SfM, SLAM, szacowanie pozycji kamery, rejestracja chmur punktów, lokalizacja oparta na obrazach, georeferencja lub fuzja czujników.
• Umiejętność formułowania niejednoznacznych problemów rzeczywistych, wybierania właściwych narzędzi matematycznych lub narzędzi opartych na uczeniu się oraz rygorystycznej oceny rozwiązań.
• Dobra znajomość języka Python i doświadczenie z nowoczesnymi bibliotekami ML i naukowo-komputerowymi (PyTorch, NumPy, SciPy).
• Silne umiejętności inżynierii oprogramowania — możesz przekształcić prototypy badawcze w niezawodne, skalowalne i łatwe w utrzymaniu systemy.
• Doświadczenia w zakresie wykorzystania algorytmu od pomysłu badawczego i prototypu eksperymentalnego poprzez ocenę, analizę porównawczą i wdrożenie na danych ze świata rzeczywistego.
• Jasna komunikacja pisemna i ustna; potrafią efektywnie współpracować w różnych dyscyplinach badawczych i inżynieryjnych.
Miło mieć
• Doktorat z widzenia komputerowego, robotyki, uczenia maszynowego, fotogrametrii, geodezji, teledetekcji lub pokrewnej dziedziny – nie wymagany, ale ceniony.
• Bogaty dorobek publikacyjny lub aktywne zaangażowanie w społeczność naukową w miejscach takich jak CVPR, ICCV, ECCV, NeurIPS, ICLR, SIGGRAPH, 3DV, ICRA lub RSS.
• Doświadczenie w podejściu opartym na uczeniu się do zrozumienia wizualnego lub 3D – transformatory, transformatory punktowe, modele fundamentów lub metody łączące wyuczone reprezentacje z wyraźnymi priorytetami geometrycznymi.
• Doświadczenie w zakresie zdjęć lotniczych lub satelitarnych, GNSS/GPS, geodezji, systemów mapowych lub wielkoskalowych danych przestrzennych.
• Dowody przywództwa technicznego, mentoringu lub udanej realizacji zadań międzyfunkcyjnych.…
Źródło: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/niantic-spatial/3d-computer-vision-research-engineer-world-map-london-30634)
Sztuczna inteligencja nauczyła się niemal wszystkiego w Internecie, ale nadal zmaga się ze światem fizycznym, w którym odbywa się 99,5% działalności gospodarczej. Nie wie, gdzie się znajdują rzeczy, jak przestrzenie pasują do siebie ani co zmienia się w czasie.
To jeden z największych nierozwiązanych problemów sztucznej inteligencji, który rozwiązujemy w Niantic Spatial. Budujemy przestrzenne modele i usługi AI, aby ludzie i maszyny mogli bezpiecznie rozumować, uczyć się i działać w świecie fizycznym. Zamieniamy obrazy z kamer, wideo, dane z czujników i archiwa w dokładne, czytelne dla sztucznej inteligencji reprezentacje rzeczywistych miejsc, w których roboty mogą trenować, a maszyny mogą używać, aby dokładnie wiedzieć, gdzie się znajdują.
W fizycznej sztucznej inteligencji błędy mają realne konsekwencje. Dlatego budujemy sztuczną inteligencję opartą na zmierzonej rzeczywistości, a nie na domysłach, aby ludzie i maszyny na niej polegające mogły zaufać jej, że wszystko naprawi.
Nasz zespół stworzył jedne z najczęściej używanych map na świecie. Teraz budujemy coś większego: żywy, mierzony zapis prawdziwego świata, który maszyny mogą przeszukiwać, uczyć się i wykorzystywać do zrozumienia, jak miejsca zmieniają się w czasie. Jeśli chcesz pomóc sztucznej inteligencji zrozumieć świat, w którym żyjemy, buduj razem z nami.
O roli
Pomożesz zbudować geometryczne podstawy mapy świata nowej generacji — dołączając do naszego zespołu inżynierii badań map świata (wyrównanie geoprzestrzenne) jako inżynier ds. badań lub starszy inżynier ds. badań. Jest to kompleksowe stanowisko w zakresie badań stosowanych, które obejmuje prace inżynieryjne i systemy danych, a także prace badawczo-rozwojowe w zakresie głębokiego uczenia się 3D, transformatorów i modeli fundamentów. Będziesz opracowywać nowe algorytmy, generować dane badawcze i zasoby ewaluacyjne potrzebne do ich udoskonalenia, a następnie konstruować powstałe możliwości w niezawodne systemy produkcyjne.
Zespół World Map pracuje z heterogenicznymi zdjęciami z telefonów i urządzeń przenośnych, zdjęciami lotniczymi, LiDAR i kamerami 360°, a także zewnętrznymi danymi geograficznymi i wysokościowymi. Głównym wyzwaniem jest zharmonizowanie tych źródeł danych, ilościowe określenie niepewności i utrzymanie spójności w miarę ewolucji mapy.
Będziesz pracować na styku najnowocześniejszych badań i skalowalnej inżynierii — opracowując nowe podejścia do rejestracji geoprzestrzennej, korespondencji i optymalizacji geometrycznej, a następnie wdrażając te technologie, aby bezpośrednio ulepszyć model świata Niantic Spatial.
Co zrobisz
• Rejestracja geoprzestrzenna — opracowywanie i udoskonalanie algorytmów do georeferencji i rejestracji na skalę światową na podstawie obrazów, rekonstrukcji 3D, chmur punktów i geograficznych danych referencyjnych.
• Geometria i korespondencja 3D — Twórz i ulepszaj metody obejmujące geometrię wielu widoków, SfM, SLAM, dopasowywanie cech, wyuczoną korespondencję, dostosowywanie wiązek, rejestrację chmur punktów i ICP.
• Dane i ocena — tworzenie koła zamachowego danych i oceny na potrzeby mapowania na skalę światową — projektowanie i utrzymywanie wielkoskalowych zbiorów danych, potoków, wzorców i metodologii oceny, które ujawniają tryby twardych awarii, przyspieszają iterację badań i wspierają produkcję.
• Rozumowanie 3D oparte na uczeniu się — eksploruj i rozwijaj podejścia oparte na uczeniu się do zrozumienia geoprzestrzennego, łącząc transformatory i trójwymiarowe modele fundamentów z geometrycznymi priorytetami i modelowaniem niepewności.
• Solidność produkcji — Projektuj solidne rozwiązania dla trudnych warunków rzeczywistych: rzadki lub zaszumiony GPS, zmieniający się wygląd, niespójna jakość rekonstrukcji, duży zasięg geograficzny i niedoskonałe mapy referencyjne.
• Współpraca międzyfunkcyjna — partner z wiodącymi badaczami w dziedzinie lokalizacji wizualnej, komputerowego widzenia 3D i mapowania — a także z zespołami inżynieryjnymi i produktowymi — w celu identyfikowania problemów o dużym wpływie i przekształcania przełomowych odkryć badawczych w kompleksowe systemy produkcyjne.
• Komunikacja badawcza — jasne udostępnianie wyników poprzez teksty techniczne, recenzje projektów i prezentacje wewnętrzne; w stosownych przypadkach wnosić wkład w publikacje i otwarte badania naukowe.
Co przyniesiesz
• Tytuł licencjata lub magistra w dziedzinie informatyki, robotyki, uczenia maszynowego, fotogrametrii lub pokrewnej dziedziny — lub równoważne doświadczenie badawcze lub branżowe.
• Silne podstawy w zakresie komputerowego widzenia 3D, uczenia maszynowego, robotyki, fotogrametrii lub pokrewnego obszaru.
• Udokumentowane doświadczenie z geometrią 3D i kilkoma istotnymi obszarami — rekonstrukcja wielu widoków, SfM, SLAM, szacowanie pozycji kamery, rejestracja chmur punktów, lokalizacja oparta na obrazach, georeferencja lub fuzja czujników.
• Umiejętność formułowania niejednoznacznych problemów rzeczywistych, wybierania właściwych narzędzi matematycznych lub narzędzi opartych na uczeniu się oraz rygorystycznej oceny rozwiązań.
• Dobra znajomość języka Python i doświadczenie z nowoczesnymi bibliotekami ML i naukowo-komputerowymi (PyTorch, NumPy, SciPy).
• Silne umiejętności inżynierii oprogramowania — możesz przekształcić prototypy badawcze w niezawodne, skalowalne i łatwe w utrzymaniu systemy.
• Doświadczenia w zakresie wykorzystania algorytmu od pomysłu badawczego i prototypu eksperymentalnego poprzez ocenę, analizę porównawczą i wdrożenie na danych ze świata rzeczywistego.
• Jasna komunikacja pisemna i ustna; potrafią efektywnie współpracować w różnych dyscyplinach badawczych i inżynieryjnych.
Miło mieć
• Doktorat z widzenia komputerowego, robotyki, uczenia maszynowego, fotogrametrii, geodezji, teledetekcji lub pokrewnej dziedziny – nie wymagany, ale ceniony.
• Bogaty dorobek publikacyjny lub aktywne zaangażowanie w społeczność naukową w miejscach takich jak CVPR, ICCV, ECCV, NeurIPS, ICLR, SIGGRAPH, 3DV, ICRA lub RSS.
• Doświadczenie w podejściu opartym na uczeniu się do zrozumienia wizualnego lub 3D – transformatory, transformatory punktowe, modele fundamentów lub metody łączące wyuczone reprezentacje z wyraźnymi priorytetami geometrycznymi.
• Doświadczenie w zakresie zdjęć lotniczych lub satelitarnych, GNSS/GPS, geodezji, systemów mapowych lub wielkoskalowych danych przestrzennych.
• Dowody przywództwa technicznego, mentoringu lub udanej realizacji zadań międzyfunkcyjnych.…
Źródło: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/niantic-spatial/3d-computer-vision-research-engineer-world-map-london-30634)
To ogłoszenie pochodzi z feedu partnera. Aplikuj na stronie źródłowej.
Źródło: Niantic Spatial
Lokalizacja
Londyn, Wielka Brytania
Ogłoszenie pochodzi od Niantic Spatial.
