ML engineer/ Computer Vision and Generative AI

24 Июня

Партнерские Вакансии

Компания "Группа компаний «Триумф»"

ML Engineer / Computer Vision and Generative AI

Проект: Многофункциональный портал

Локация: Москва (Офис / Гибрид)

Blend4Web — это технологический флагман в мире веб-графики, создающий будущее интерактивного 3D уже сегодня. Мы разрабатываем инновационную платформу, которая выводит фотореалистичную трёхмерную графику прямо в браузер — без плагинов, без задержек, с живой интерактивностью. От архитектурной визуализации до игровых проектов — наши решения стирают границы между цифровым и физическим миром.

Нам нужен сильный ML-инженер, который спроектирует и внедрит конвейер нейросетевой обработки визуального контента, превращающий любительские снимки в эталонные 2D и 3D материалы для e-commerce.

Ключевой вызов: Zero Hallucination. Сгенерированное изображение не должно изменять физические свойства товара, добавлять несуществующие детали (кнопки, паттерны) или искажать текст на этикетках. Достоверность товара — наш абсолютный приоритет.

Чем предстоит заниматься (MVP)

Вы будете разрабатывать модульный пайплайн, состоящий из независимых SOTA-моделей, для работы в двух режимах: автоматической пакетной обработки (batch) и интерактивном ручном редакторе.

Удаление фона (Background Removal / Matting): Внедрение и дообучение моделей для точного отделения товара с сохранением сложных контуров, полупрозрачных элементов и тонких текстур.

Замена фона (Inpainting / Generation): Работа с диффузионными моделями для генерации студийных и lifestyle-фонов по текстовому промпту или референсу.

Улучшение качества (Super-Resolution & Denoising): Использование умеренно генеративных моделей для апскейлинга любительских фото без искажения логотипов и мелких деталей.

Согласование освещения (Relighting & Harmonization): Интеграция решений для корректного построения теней, бликов и выравнивания цветовой температуры при переносе товара на новый фон.

Адаптация форматов: Разработка логики автоматического content-aware кадрирования и outpainting-а под строгие стандарты соотношения сторон.

Задачи на перспективу (Фаза 2 и R&D)

Multi-view 2D & Инфографика: Автоматическая генерация ракурсов товара и пайплайны наложения смысловой графики.

3D-реконструкция из фото: Адаптация SOTA-моделей. Написание алгоритмов постобработки и исправления геометрических артефактов ("заделывание дыр"), а также восстановление оригинальных PBR-текстур.

Virtual Try-On (виртуальная примерка): Интеграция моделей виртуальной примерки одежды для создания on-model изображений с сохранением фактуры ткани и принтов.

Наши ожидания

Ты имеешь аналитический склад ума. У тебя есть исследовательский опыт и ты понимаешь методологию исследовательской работы;

Ты понимаешь основные принципы разработки ML-решений: использование готовых нейросетевых моделей, подготовка датасета, анализ датасетов, анализ архитектуры готовой нейросетевой модели, разработка архитектуры нейросетевой модели, понимаешь что такое domain gap и как с ним бороться;

Ты умеешь объяснять сложные вещи простым языком, не теряя суть;

Хочешь расти/развиваться с 3D-технологиями;С математикой на “ТЫ” и не видишь своей жизни без ее применения;

Ты умеешь писать чистый код;

Уверенно владеешь Python, PyTorch.

Понимаешь архитектуры Diffusion Models, GAN, Transformers.

Имеешь опыт проектирования асинхронных ML-очередей с приоритизацией (разделение быстрых realtime-задач и фоновой пакетной генерации).

Умеешь анализировать исследовательские статьи (arXiv, CVPR, NeurIPS) и быстро доводить их до production-ready кода.

Будет преимуществом

Опыт работы с 3D-представлениями (NeRF, 3D Gaussian Splatting, Voxel grids).

Опыт разработки алгоритмов для физически корректных симуляций тканей в задачах Virtual Try-On.

Понимание специфики e-commerce платформ и стандартов изображений для маркетплейсов.