3D视觉算法研究-阿里星

我们致力于将前沿的多模态大模型技术与体育产业深度融合，探索人工智能技术在竞技体育领域的创新应用。围绕篮球、足球等核心运动场景，我们期望通过多模态感知、3D空间理解与跨模态推理，解决复杂运动分析中的核心挑战，打造下一代体育智能系统。

1. 体育多模态大模型创新：定义体育垂直领域的多模态大模型技术范式，实现文本、视觉、空间数据的联合建模，探寻并解决体育场景下的多模态对齐、战术推理与Agentic交互等核心挑战。
2. 3D视觉与运动分析：主导3D重建、人体跟踪与分割、动作识别等核心算法的研发，构建高精度的“球-人-场”协同感知系统，赋能战术分析、动作评估与辅助判罚等场景。
3. 场景驱动的算法落地：结合篮球/足球等真实业务场景，设计并优化大模型架构与3D视觉算法，提升模型在复杂动态环境下的效果、效率与鲁棒性，主导从数据构建到部署的端到端技术闭环。
4. 前沿技术探索：紧跟LLM、Diffusion Models、强化学习及3D视觉领域的最新进展，快速实验并迭代创新方案，拉升体育AI领域的SOTA水平，定义智能体育的技术新范式。

1. 来自全球Top高校计算机科学、人工智能、数学或相关领域应届博士/顶尖硕士毕业生。
2. 深入掌握深度学习、3D视觉、多模态建模等核心技术，在3D重建、人体姿态估计、运动目标跟踪与分割、战术分析等方向有深入研究或项目经验。
3. 在国际顶级会议/期刊（如CVPR、ICCV、ECCV、NeurIPS、ICLR等）以一作身份发表过相关论文，或在开源社区、AI竞赛中展示出引领性的研究成果。
4. 良好的工程与实验思维：熟悉PyTorch等主流框架，具备大规模模型调优或3D视觉算法落地经验，重视代码质量与实验结果，追求高效优雅的实现。
5. 对体育运动有浓厚兴趣：热爱篮球、足球等运动，熟悉其规则与战术体系，有志于将AI技术应用于真实体育场景，能够从复杂的运动需求中提炼核心AI建模问题。
6. 善于跨团队协作：能与产品、体育专家及工程团队高效沟通，平衡技术理想与业务落地，共同推动体育AI产品的创新与演进。