岗位职责：
1. 基于SPAD-TCSPC光子计数直方图，设计深度学习模型（1D-CNN/Transformer等）实现峰值检测、低SNR深度解算与多径抑制；
2. 构建dToF端到端深度估计hybrid pipeline，融合传统直方图拟合与数据驱动方法；
3. 搭建蒙特卡洛光子传输仿真数据链，结合实测数据完成模型训练与评测；
4. 与相关团队协同，参与算法-硬件联合优化及端侧轻量化部署；
5. 跟踪CVPR/ICCV/NeurIPS/Optica等前沿进展，支持论文与专利产出。

任职要求：
1. 2027届硕士/博士（优秀本科可投），计算机视觉、机器学习、信号处理、光学工程、物理电子学、微电子等相关专业；
2. 熟悉PyTorch，能独立完成模型训练-调优-评测全流程；Python必会，C++/CUDA加分；
3. 具备以下任一经验：时序信号建模、深度估计/点云处理、传统信号处理（TCSPC直方图拟合等）、蒙特卡洛光学仿真；
4. 了解dToF/iToF原理、SPAD工作机制（PDE/暗计数/后脉冲/Walk Error）者优先；
5. 毕业前可提前实习3个月及以上优先；