负责图像拼接与全景重建核心算法研发，基于 OpenCV Stitcher 传统方案（ORB 特征提取、RANSAC 配准）及 DeepPanorama 深度学习框架，实现高鲁棒性、实时性的拼接系统​ 设计并优化特征匹配方案，主导 SuperPoint+SuperGlue 组合的工程化落地，解决复杂场景下（光照变化、遮挡、低纹理）的特征匹配难题​ 研发 RNN 与 Transformer 混合集成模型（如 RVRT 类架构），用于视频序列拼接、长时序特征建模，平衡模型性能与计算效率​ 负责算法性能优化，包括模型压缩（量化 / 剪枝）、GPU 加速（TensorRT/OpenVINO）、嵌入式端部署适配​ 跟踪 CVPR/ICCV 等顶会前沿成果，复现 SOTA 算法并落地到实际产品，提升拼接精度、处理速度及场景适应性​ 跨团队协作（与软件工程师、产品经理），输出算法接口文档、技术方案，推动算法工程化落地

1. 基础条件​ 硕士及以上学历（优秀本科可放宽），计算机视觉、图像处理、模式识别、应用数学等相关专业​ 3 年以上图像算法研发经验，有图像拼接 / 全景重建相关项目落地经历​ 精通 C++/Python 编程，熟练使用 OpenCV、PyTorch/TensorFlow、Scikit-image 等库与框架​ 2. 核心技术能力​ 精通传统图像拼接技术：深入理解 OpenCV Stitcher 内部机制，能独立优化 ORB 特征匹配、RANSAC 配准流程，解决拼接重影、错位、曝光不一致问题​ 掌握深度学习特征匹配：熟练运用 SuperPoint+SuperGlue 组合进行关键点检测与匹配，具备工程化优化经验（如实时性提升、显存控制）​ 熟悉全景重建框架：深入理解 DeepPanorama 原理，包括 360° 全景生成、稀疏视图重建、辐射场建模（如 K-planes），能处理大视差、动态场景拼接​ 精通 RNN/Transformer 集成：掌握循环网络与 Transformer 混合架构设计（如 Clip 内并行处理 + 跨 Clip 时序建模），有视频序列处理相关经验​ 扎实的计算机视觉基础：熟悉图像处理（去噪 / 增强 / 分割）、几何配准、相机标定、3D 重建等核心技术​ 3. 软实力要求​ 具备独立问题分析与解决能力，能快速定位并修复算法瓶颈​ 良好的技术文档撰写能力与跨团队沟通协作意识​ 关注技术前沿，有顶会论文复现或技术创新经历者优先