Niantic Spatial, Inc. arendab ruumiilise maailma masinloetavate kujutiste loomiseks georuumilist tehisintellekti. Ettevõtte platvorm ühendab maapealsete ja õhust kogutavate andurite andmeid, et luua ülitäpseid geograafiliselt viidatud kolmemõõtmelisi digikaksikuid, toetada visuaalset lokaliseerimist olukordades, kus GPS ei ole usaldusväärne, ning lisada kaardistatud keskkondadele semantilist tähendust. Ruumi jäädvustamiseks, rekonstrueerimiseks, lokaliseerimiseks ja mõistmiseks mõeldud toodete kaudu teenindab ettevõte robootika, avaliku sektori ja kaitsevaldkonna, tööstuse ning suurte sündmuspaikade kasutusjuhtumeid, pakkudes arendajatele ja organisatsioonidele SDK-sid ning ettevõttetasandi teenuseid.
Arvutinägemise tehisintellekti insener
Treeni arvutinägemise lokaliseerimismudeleid Niantic Spatiali füüsilise tehisintellekti ja georuumilise platvormi jaoks. Loo andmetöötlusvooge, hindamise võrdluskatseid ja tootmiskeskkonna järeldussüsteeme.
Kirjeldus
- Arenda, treeni ja hinda visuaalse lokaliseerimise mudeleid PyTorchiga.
- Täiusta mudelite arhitektuure, kadufunktsioone ja treeningutsükleid, et suurendada täpsust tootmiskeskkonna piltidel.
- Aita luua suure läbilaskevõimega töövooge piltide, poosiandmete ja 3D-punktipilvede vastuvõtmiseks ning eeltöötlemiseks.
- Treeni mudeleid GPU-süsteemides 30 miljardi pildi suuruse andmestikuga.
- Loo ja halda võrdluskatseid, millega mõõdetakse lokaliseerimise poosi täpsust, saagist ja tootmislatentsust.
- Valmista mudeleid juurutamiseks ette nende eksportimise, järeldusprotsessi optimeerimise ja jälgimise kaudu.
- Tee koostööd teadusmeeskonna ja pärismaailma testimislaboriga, et muuta välitöös ilmnenud tõrked treeningandmeteks ja võrdluskatsete parandusteks.
- Panusta kogu töövoogu alates andmete ettevalmistamisest ja treenimisest kuni tootmisteenusteni.
Nõuded
- Kogemus PyTorchi süvaõppemudelite treenimisel arvutinägemise ülesannete jaoks kursuste, teadustöö, praktikakohtade või karjääri alguse ametikohtade kaudu.
- Põhiteadmised vähemalt ühes valdkonnas: visuaalne lokaliseerimine, õpitud tunnuste sobitamine, pildiotsing, poosi hindamine, SLAM või struktuuri taastamine liikumise põhjal.
- 3D-geomeetria mõistmine, sealhulgas kaameramudelid, epipolaargeomeetria ja poosi esitused.
- Valmidus töötada suurte pildi- või 3D-andmestikega, sealhulgas neid eeltöödelda ja kureerida.
- GPU-põhise treenimise tundmine ja oskus treeningutulemusi hinnata.
- Tugev Pythoni oskus.
- Arvutiteaduse, arvutinägemise, robootika või seotud valdkonna bakalaureuse- või magistrikraad või samaväärne praktiline kogemus.
- Võime töötada San Francisco kontoris vähemalt kolmel päeval nädalas.
Hüved
- Aastaboonus
- Osalus ettevõttes
- Ravikindlustus
- Hambaravikindlustus
- Nägemiskindlustus
- 401(k) pensionikogumisprogramm
- Põhjalik hüvitiste pakett