Stage Reconstruction Neuronale Dynamique pour Conduite

Stellantis; Poissy; Presencial; EUR 7800 - 12 000; Tempo integral

Resumo da oferta

Stellantis recherche un stagiaire de fin d'études pour travailler sur des méthodes de reconstruction dynamique utilisées dans des simulations de conduite autonome, au Green Campus de Poissy.

Vous contribuerez à développer une solution qui distingue l'environnement statique des objets mobiles, en utilisant Python, PyTorch et C++, avec une focalisation sur la cohérence temporelle et géométrique des scènes routières réelles.

Qualificações

• Maîtrise de Python et expérience avec PyTorch.
• Bonnes connaissances en apprentissage profond, vision par ordinateur et traitement d'images.
• Connaissances en rendu neuronal, Gaussian Splatting, traitement de données LiDAR & camera et C++ souhaitables.
• Capacité à lire et exploiter la documentation scientifique en anglais.

Responsabilidades

• Réaliser un état de l'art des méthodes de reconstruction dynamique basées sur Gaussian Splatting et rendu neuronal.
• Prendre en main la chaîne de reconstruction et les données des capteurs du véhicule.
• Développer une méthode distinguant environnement statique et objets dynamiques.
• Reconstruct. et restituer objets mobiles en cohérence temporelle et géométrique, gérer les occultations.
• Permettre modification des trajectoires du véhicule ego et des autres usagers.
• Définir métriques et protocole d'évaluation et intégrer dans un démonstrateur.

Conhecimentos

Python

PyTorch

Deep Learning

Computer Vision

C++

LiDAR

Camera Calibration

Formação académica

Bac+5 / Master 2

Ferramentas

LiDAR

Camera Calib

Descrição da oferta de emprego

Stellantis recherche un stagiaire de fin d'études pour travailler sur des méthodes de reconstruction dynamique utilisées dans des simulations de conduite autonome, au Green Campus de Poissy.

Vous contribuerez à développer une solution qui distingue l'environnement statique des objets mobiles, en utilisant Python, PyTorch et C++, avec une focalisation sur la cohérence temporelle et géométrique des scènes routières réelles.