1. 硕士 / 博士在读，计算机、人工智能、自动化、机器人、测绘、数学等相关专业优先。实习时间半年及以上。 2. 具备扎实的深度学习、计算机视觉和三维几何基础，熟悉多视图几何、SfM / MVS、深度估计、点云处理、三维重建、视觉跟踪或时序建模等相关方法。 3. 熟练使用 Python / PyTorch，具备良好的代码能力和实验分析能力，能够独立阅读、复现并改进顶会论文。 4. 对 VGGT、Dust3R、MASt3R 等 Geometry Foundation Models，以及多视角几何、跨帧时空对应、Visual Tracking、3D Scene Flow、Dynamic Reconstruction、4D Representation Learning 等相关方向有理解或实践经验者优先。 加分项 1. 有 3D Scene Flow、Dynamic Reconstruction、4D Reconstruction、Visual Tracking、Motion Segmentation、Dynamic SLAM、Learning-based BA 等相关项目或研究经验。 2. 有自动驾驶多相机 / 多帧序列数据处理、时空表征学习、动态地图、闭环仿真、场景生成或世界模型相关经验。 3. 在 CVPR / ICCV / ECCV / NeurIPS / ICML / ICLR / SIGGRAPH / CoRL 等相关顶级会议发表过论文，或有高质量开源项目、竞赛获奖、知名实验室实习经历。 你将获得 真实自动驾驶动态场景数据、GPU 算力支持、明确的研究与落地场景，参与利用或借鉴 Geometry Foundation Models 探索动态场景统一 4D 表征的前沿研究，并有机会围绕 4D 时空理解、动态重建与视觉基础模型等方向产出高质量论文和开源成果。