Research Scientist - 3D Reconstruction & Novel View Synthesis

Spaitial·Londonsenior

En corto

→Investigar y mejorar métodos avanzados de reconstrucción 3D y síntesis de vistas
→Trabajar con representaciones modernas como Gaussian Splats y Radiance Fields en escenarios reales
→Rol senior con impacto directo en modelos mundiales generativos de alto rendimiento

Fluent English required for collaboration and research communication

Postularme en la empresa ↗Compartir por WhatsApp

✓ Gratis para empezar✓ Corre en tu navegador✓ Primer dossier sin tarjeta✓ Listo en ~1 minuto

En ~1 minuto te damos: quién te entrevista, las preguntas probables con respuestas desde tu CV, y tu CV adaptado a esta vacante. Tu primer dossier es gratis.

Las preguntas que te van a hacer

1. ¿Cómo elegirías entre Gaussian Splats y radiance fields para una escena con baja textura?

🔒 +7 preguntas más

Sin tarjeta. Subís tu CV y en ~1 minuto tenés el dossier completo.

🎧¿Llegás a la entrevista? Llevá el copiloto. Nuestra extensión escucha la entrevista en vivo y te muestra anclas de 3-4 palabras desde tu CV y tu preparación — mirás, conectás, hablás. Gratis. Ver la extensión →

💵 USD · Remote · No visa

¿No encontrás lo que buscás? Probá Micro1

Micro1 te ubica directo en empresas de EE. UU. que pagan en USD. Un solo proceso de vetting, múltiples ofertas — sin aplicar en frío.

Que Micro1 te matchee →

📬Vacantes elegidas para TU CV, cada mañana por WhatsApp. Gratis: escribí “vacantes” y el bot te manda tus matches del día. Suscribirme →

¿Qué piden?

✓PhD en visión por computadora, gráficos o área relacionada
✓Publicaciones en CVPR, ICCV, ECCV, SIGGRAPH, NeurIPS
✓Experiencia práctica con Gaussian Splats y Radiance Fields
✓Conocimiento profundo de geometría multi-vista y modelado de cámara
✓Experiencia en optimización y pérdidas para reconstrucción 3D
✓Habilidades sólidas en marcos de aprendizaje profundo

¿No cumplís todo? Es lo normal — tu dossier gratis te dice qué gaps tenés y cómo cubrirlos en la entrevista.

Gaussian splatsradiance fieldsneural renderingfeed-forward view generatorsmulti-view geometrycamera modelsrenderingdeep learning frameworksoptimization strategiesloss functions

¿A quién escribirle en Spaitial?

Tu dossier gratis identifica a las personas que te entrevistarían — con su background, qué valoran y cómo escribirles para destacar antes de aplicar.

SpAItial is pioneering the next generation of World Models, pushing the boundaries of generative AI, computer vision, and the simulation of reality. We are moving beyond 2D pixels to build models that natively understand the physics and geometry of our world. Our mission is to redefine how industries, from robotics and AR/VR to gaming and cinema, generate and interact with physically-grounded 3D environments. We’re seeking a Research Scientist to push the state of the art in 3D reconstruction. You should have command of the latest scene representations, such as Gaussian splats and radiance fields, and of reconstruction methods across the full range, from per-scene optimization to feed-forward models. We are looking for someone who knows the field well enough to choose the right representation and method for a problem, and then improve on it. This is a senior, hands-on research role for someone who has already done reconstruction research across more than one representation. Responsibilities Advance the state of the art in 3D reconstruction, from research ideas to working methods. Work across the full range of reconstruction problems (geometry, appearance, materials, lighting and dynamics, from sparse or incomplete observations), and novel view synthesis, including neural rendering and feed-forward view generators. Design losses, priors, and optimization strategies that improve fidelity, robustness, and efficiency. Build rigorous evaluations on public and internal benchmarks, and use them to drive decisions. Collaborate with research and engineering colleagues to bring successful methods into production systems. Key qualifications PhD in computer vision, graphics, or a related field; publications at top venues (CVPR, ICCV, ECCV, SIGGRAPH, NeurIPS). Deep, hands-on knowledge of modern scene representations, for example Gaussian splats and radiance fields, and the ability to weigh their trade-offs. Research experience across the reconstruction spectrum, from per-scene optimization to feed-forward models. Deep understanding of multi-view geometry, camera models, and rendering. Strong experience with deep learning frameworks. At SpAItial, we are committed to creating a diverse and inclusive workplace. We welcome applications from people of all backgrounds, experiences, and perspectives. We are an equal opportunity employer and ensure all candidates are treated fairly throughout the recruitment process.

¿Buscando algo parecido?

Dejá tu email y te avisamos cuando salgan vacantes que coincidan con tu perfil.

No apliques sin prepararte

Investigamos quién te entrevista, adaptamos tu CV y te ensayamos en vivo — gratis la primera.