【实习】3D Gaussian 场景编辑与新视角合成（自动驾驶/闭环仿真/World Model Diffusion） 岗位职责 基于 3D Gaussian Splatting 的场景表示，完成自动驾驶数据（多相机/多帧）下的高斯植入、新视角合成 (NVS) 与渲染管线搭建与优化。 面向动态驾驶场景，探索前馈式（feedforward）4D重建/重渲染思路：支持更长序列、更稀疏输入与更快推理，并提升时序一致性与减少伪影（拖影、重影、遮挡恢复问题）。 将新视角合成与编辑结果接入闭环仿真：构建可评测流程，支持策略/规划模块在渲染世界中的回放与干预实验，并定义关键指标（稳定性、碰撞率、偏航/横向误差等）。 引入Diffusion/world model相关技术做渲染后处理或联合建模，提升稀疏视角/遮挡区域的生成质量，降低插值与运动伪影，并形成可复现的对比实验与报告。 任职要求（必须） 熟练使用 Python，具备 PyTorch 深度学习训练/推理经验，能够独立复现论文级代码并进行二次开发。 具备 3D 表示学习经验之一：NeRF/3DGS/点云/体素/Occupancy/SLAM 或多视图重建。 有良好的工程习惯：Git、实验记录、可复现训练脚本与评测脚本。 加分项（优先） 有 3D Gaussian Splatting 相关项目经验（编辑、动态场景、实时渲染、CUDA/自定义算子）。 有自动驾驶数据经验：Waymo / nuScenes / Argoverse2 / 自采多相机数据处理与评测。 了解或实践过 pose free 前馈式重建、动态分解与时序一致性机制（例如寿命/可见性建模、动态头、运动估计等）。 了解 diffusion / video diffusion / world model，用于新视角合成的细节补全、遮挡恢复与伪影抑制。 有闭环仿真经验（CARLA/Apollo/自研仿真），或了解规划控制与评测指标体系