Aufgaben
- Entwicklung und Optimierung der Computer-Vision-Pipeline
- Verarbeitung von Videostreams und Verarbeitung von Videoeingangsmaterial geringer Qualität
- Implementierung von Crossview-Feature-Matching und Bildsuche
- Aufbau und Indizierung einer georeferenzierten Kacheldatenbank
- Objektgeoreferenzierung und räumliche Analysen
- Optimierung der Inferenzlatenz und -leistung
- Mitarbeit am Systemarchitekturdesign
Muss-Kriterien
- Mindestens 4 Jahre Erfahrung in Computer Vision/Deep Learning
- Praktische Erfahrung mit Geolokalisierung, Ortserkennung oder Bildsuche
- Merkmalsextraktion mit Basismodellen wie DINOv2, CLIP oder vergleichbaren Modellen
- Keypoint-Erkennung und -Zuordnung: LightGlue, LoFTR, DISK, SuperPoint
- Kontrastives/metrisches Lernen: InfoNCE, Triplet Loss, Hard Negative Mining
- Homografieschätzung und geometrische Verifikation
- Erfahrung mit Satellitenbildern und Geodaten
- Koordinatensysteme, Kachelindizierung, GDAL
- Vektorsuche: FAISS oder andere ANN-Bibliotheken
- Python, PyTorch auf Produktionsniveau
- Erfahrung mit Video-Pipelines
- Linux, Docker
Von Vorteil
- Promotion in Computer Vision, Photogrammetrie, Fernerkundung, Geomatik oder Robotik
- Veröffentlichungen zu Cross-View-Lokalisierung, visuellem SLAM oder UAV-Navigation
- Erfahrung mit beeinträchtigtem oder komprimiertem Videomaterial
- TensorRT, ONNX, Edge-Bereitstellung
- CUDA
- Hintergrund in Verteidigung, Luft- und Raumfahrt oder Robotik
Warum Sie sich bewerben sollten
- Hier arbeiten Sie nicht nur mit Modellen des maschinellen Lernens, sondern auch mit realen Produktionssystemen und Aufgaben aus dem Kampfeinsatz.
- Sie haben die Möglichkeit, eigenständig Architekturen und Datenverarbeitungspipelines zu entwickeln und wichtige technische Entscheidungen mitzugestalten, anstatt nur Einzelaufgaben zu erledigen.
- Wir legen Wert auf eine ausgeprägte Ingenieurskompetenz und Mitarbeiter, die systematisch denken, Probleme analysieren und praxisorientierte Lösungen finden können.
- Die Arbeit nutzt moderne Forschungsmethoden – das Team analysiert und implementiert kontinuierlich neue Forschungsergebnisse und aktuelle Technologien.
- Wir legen großen Wert auf Systemleistung, Optimierung der Inferenz, GPU-Pipeline, Latenz und Skalierbarkeit.
- In diesem Umfeld haben Ingenieure maßgeblichen Einfluss auf das Produkt, die Technologien und das Endergebnis und arbeiten nicht innerhalb des engen Rahmens eines einzelnen Moduls.
Was wir bieten
- Remote-Arbeit innerhalb der EU, mit flexibler Zeiteinteilung
- Direkte Verantwortung für Architektur- und technische Entscheidungen
- Ein langfristiges, technisch anspruchsvolles Produkt im Defense-Tech-Bereich – kein kurzfristiges Pilotprojekt
- Ein kleines, erfahrenes Engineering-Team mit Fokus auf aktuelle Forschung in Computer Vision und Geodaten-KI
- Zugang zur GPU-Infrastruktur, die für Arbeit an Inferenzlatenz und Skalierung tatsächlich gebraucht wird