XITASO GmbH IT & Software Solutions | Германия | 76xxx Karlsruhe | Неполный рабочий день - гибкий | Опубликовано: 08.05.2026 на stepstone.de
Masterand — Семантическое 4D-прогнозирование заполнения (м/ж/д)
Семантический 4D прогноз занятости имеет решающее значение для безопасного автономного вождения, поскольку он позволяет автомобилям предвидеть динамику и геометрию будущей сцены. Тем не менее, обучение современных современных моделей сильно основано на полностью контролируемых методах, которые требуют массивных и чрезвычайно дорогих, плотных 3D-аннотаций вокселей.
Чтобы преодолеть это узкое место, пиковые исследования все чаще движутся к парадигмам самоконтроля (самоконтроля) и слабого контроля (слабого контроля), которые используют предварительно обученные 2D-модели фундамента (например, DINOv2, CLIP или SAM). Благодаря выравниванию (выравниванию) этих богатых 2D-семантических функций с открытыми вокабуляриями на 3D-/4D пространственных представлениях с использованием передовых трансформаторных архитектур можно достичь надежного пространственно-временного понимания без плотных данных 3D-круглой истины.
Основываясь на этих прорывах, эта магистерская диссертация фокусируется на разработке основы на основе модели фундамента для прогноза 4D-оккупации. Ваша задача будет состоять в том, чтобы спроектировать архитектуру, которая перегоняет богатую семантику мультивидения в трубопровод 4D-прогнозирования и, таким образом, закрывает разрыв между масштабируемыми, чисто камерными входами и высокоточными (высокоточными) экологическими прогнозами. .
* После нажатия кнопки Читать далее откроется оригинальное объявление на сайте нашего партнера, где вы можете посмотреть детали этой вакансии и контактные данные. Если вам необходим перевод этого текста, то после возвращения на наш сайт он будет подготовлен и вы можете его прочитать, нажав на кнопку Показать весь перевод.
Ваши задания • Ваш профиль • Что мы предлагаем
- Семантический 4D прогноз занятости имеет решающее значение для безопасного автономного вождения, поскольку он позволяет автомобилям предвидеть динамику и геометрию будущей сцены. Тем не менее, обучение современных современных моделей сильно основано на полностью контролируемых методах, которые требуют массивных и чрезвычайно дорогих, плотных 3D-аннотаций вокселей.
- Чтобы преодолеть это узкое место, пиковые исследования все чаще движутся к парадигмам самоконтроля (самоконтроля) и слабого контроля (слабого контроля), которые используют предварительно обученные 2D-модели фундамента (например, DINOv2, CLIP или SAM). Благодаря выравниванию (выравниванию) этих богатых 2D-семантических функций с открытыми вокабуляриями на 3D-/4D пространственных представлениях с использованием передовых трансформаторных архитектур можно достичь надежного пространственно-временного понимания без плотных данных 3D-круглой истины.
- Основываясь на этих прорывах, эта магистерская диссертация фокусируется на разработке основы на основе модели фундамента для прогноза 4D-оккупации. Ваша задача будет состоять в том, чтобы спроектировать архитектуру, которая перегоняет богатую семантику мультивидения в трубопровод 4D-прогнозирования и, таким образом, закрывает разрыв между масштабируемыми, чисто камерными входами и высокоточными (высокоточными) экологическими прогнозами.
- Разработка трансформаторной сети для прогнозирования будущего семантического 4D-занятия (4D-занятость) от последовательных многозрительных данных камеры с помощью слабого или самоконтроля (слабый / самоконтроль). Строительство и обучение трубопровода PyTorch, а также проектирование механизмов выравнивания для перегонки семантических функций от 2D-моделей в пространственно-временное 4D представление. Отличие от полностью контролируемых (полностью контролируемых) исходных линий на больших наборах данных (например, nuScenes, OpenOccupancy) с особым акцентом на точность прогнозирования (IoU), семантическую точность и эффективность маркировки.
- Вы зачислены в степень магистра в области компьютерных наук, искусственного интеллекта, робототехники или сопоставимой программы степени. У вас очень хорошие навыки программирования на Python и хорошо обоснованный опыт работы с фреймворками глубокого обучения (особенно PyTorch). Вы приносите звуковые фоновые знания в области 3D компьютерного зрения. Практический опыт работы с семантической сегментацией, Occupancy Networks или 3D Gaussian Splating имеет большое преимущество. У вас есть знания о Vision Transformers (ViT), Foundation Models (DINO, CLIP) и парадигмах самоконтролируемого обучения (самоконтролируемое обучение). У вас есть независимый и ориентированный на решение способ работы, высокая мотивация, а также очень хорошие навыки английского и немецкого языков (уровень C1) для четкого общения в команде и с нашими партнерами.
- Новая работа и культура
- Самоорганизованные команды с большим дизайнерским пространством
- Ответственность и co-дизайн
- Открытые ошибки и культура обратной связи
- Наставничество и личностное развитие
- Индивидуальное наставничество с первого дня
- Регулярные переговоры по развитию (Catch-ups)
- Руководство по уровню глаз, основанное на доверии и уважении
- Обучение на протяжении всей жизни
- Профессиональное и сверхурочное обучение
- Внутренние TechTalks, внешние тренинги и конференции High-end Software Engineering
- Требовательные, инновационные и универсальные проекты
- Кросс-функциональные команды с современными технологиями
- Опытная экспертная культура и обмен знаниями
- Семья дружная
- Стоимость поддержки до 250 евро/ребенок
- Продолжить оплату за больничные дни детей
- Сообщество и события
- Регулярные мероприятия (например, ретриты, летние фестивали)
- Личные встречи и командный контент С 1-го дня часть разнообразного сетевого сообщества
- Рабочее время и гибкость
- Свободный выбор рабочего времени и места
- Гибкие учетные записи рабочего времени, 30 дней отпуска, неполный рабочий день, Sabbatical & Workation
- Здоровье и благополучие
- Рабочая группа по психическому здоровью JobRad и другие предложения
- Многообразие и инклюзивность
- Целевая группа по разнообразию для перспективного разнообразия
- Культура принадлежности:
- Каждый должен чувствовать себя принятым
Местонахождение
 | XITASO GmbH IT & Software Solutions | |
| 76131 Karlsruhe | ||
| Германия |
Текст этого объявления был переведен с немецкого на русский язык посредством системы автоматического перевода и может содержать как смысловые, так и лексические ошибки. Поэтому он может использоваться только в ознакомительных целях. Для более детальной информации перейдите к тексту оригинального объявления по ссылке ниже.
Для получения дополнительной информации читайте исходное объявление