ML engineer/ Computer Vision and Generative AI (удаленная работа)

Вакансия: ML engineer/ Computer Vision and Generative AI

Описание вакансии

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.