1. 计算机等相关专业硕士及以上 2. 熟悉c++或python，在三维视觉，或人体人脸三维重建，或深度学习等领域有相关工作经验 3. 熟悉或实现过人体实时重建如dynamic fusion，double fusion等fusion算法经验优先 4. 有基于深度学习的三维重建或可微渲染算法经验优先 5. 在CVPR、SIGGRAPH、ICRA或其他视觉、图形类相关会议或期刊发表过相关论文者优先

1、对深度学习理论有深刻理解，至少熟悉caffe, pytorch，tensorflow等开源平台之一。 2、对于以下领域之一有实际项目经验积累：使用深度学习解决计算机视觉中的手势姿态估计、人体姿态估计、目标检测和识别、目标跟踪、区域分割等。 3、熟悉网络结构优化、内存使用、算法加速，熟悉剪枝、蒸馏、量化训练等之一者优先。 4、有移动端设备部署经验者，特别是熟悉ncnn、mnn、mace、snpe之一者优先。 5、熟悉c++, python，有良好的工程能力、沟通能力、总结能力。

1.对深度学习理论有深刻理解，至少熟悉caffe, pytorch等开源平台之一。 2.熟悉c++, python, 编程规范，工程能力强 3.熟悉android开发优先，熟悉HexagonDSP, 熟练使用HVX和Hexagon NN进行深度学习相关的优化 4.有使用ncnn, mnn, snpe等框架在移动平台进行部署的经验的优先 5.熟悉Neon、OpenCL、Cuda的优先 6.熟悉剪枝、量化的优先 7.良好的沟通能力、执行能力

1.熟悉三维视觉、图形学、Structure-from-Motion等相关算法 2.熟悉COLMAP、PCL等点云和三维重建工具 3.熟悉YOLO、Mask R-CNN或其他目标检测/实例分割算法 4.熟悉物体定位和三维重建中常用的最优化方法(包括但不限于Kalman滤波/Bundle Adjustment等)，能够使用g2o/Ceres/Eigen等工具实现优化算法 5.具有良好的数值计算、矩阵计算和概率论基础者优先

1.计算机等相关专业硕士及以上 2.在三维视觉、图形学等领域有相关研究/工作经验 3.有使用Mask R-CNN或其他目标检测和实例分割方法进行图像语义分割经验 4.熟悉COLMAP等三维稠密重建工具和相关算法 5.有Structure-from-Motion、视觉SLA

1. 计算机、电子、机械等相关专业硕士及以上，并且在三维视觉、图形学等领域有相关研究/工作经验； 2. 具有良好的数学基础，熟悉概率论、矩阵论、数理统计等，并熟练掌握三维视觉中的基础理论与算法（多视图几何）； 3. 熟悉三维视觉中的点特征（如 SIFT、ORB 等），线特征（LSD，EDLines 等），面特征（平面提取等）等提取与匹配，能够基于图像的多种几何特征进行三维重建者优先； 4. 熟悉点、线、面特征等多特征融合的参数化与优化问题建模，并能够利用开源库（ceres、g2o 等）实现优化算法； 5. 熟悉基于点、线、面等几何特征的开源 VO 或 SLAM 算法，如 ORBSLAM2、PLSLAM、PLVIO 等。