Python CV Developer

DigiNavi — это infrastructure-free AR-навигационная платформа, которая превращает физические здания в интерактивную цифровую среду. Мы решаем задачу, которую GPS не может решить: точная навигация внутри помещений с точностью до 10 см — без маяков, без QR-кодов, без дополнительного оборудования.

Ядро технологии — компьютерное зрение и Visual Positioning System (VPS). Камера смартфона стримит кадры на сервер, где многоступенчатый CV-пайплайн определяет 6-DoF позу (позицию и ориентацию) в 3D-пространстве здания. Маршруты отображаются как 3D-стрелки в дополненной реальности прямо на видеопотоке камеры.

Наш CV-пайплайн локализации — это 6 стадий обработки в реальном времени:

• NetVLAD — глобальное распознавание места (4096-мерный дескриптор)
• SuperPoint — извлечение локальных признаков и ключевых точек для геометрического сопоставления
• BestHits k-NN — поиск кандидатов по базе эталонных изображений
• PnPL RANSAC Solver — вычисление 6-DoF позы по 2D-3D соответствиям + Gauss-Newton оптимизация
• Loc6Paths — многогипотезный трекинг (до 16 гипотез одновременно) с фузингом ARCore/ARKit
• Gaussian Splatting — реконструкция и оптимизация цифровых двойников зданий

Чем предстоит заниматься

• Разработка и оптимизация Python-сервисов CV-пайплайна: инференс NetVLAD, SuperPoint, оркестрация Spark-пайплайнов (Alfred)
• Рефакторинг AI/ML и CV-компонентов продукта с применением VibeCoding-подходов и AI-агентов
• Интеграция ML-моделей в микросервисную архитектуру (gRPC, Kafka, Docker, Kubernetes)
• Быстрое прототипирование гипотез и новых CV-алгоритмов
• Работа с офлайн-фазой: обработка LiDAR-сканов, генерация баз признаков, оптимизация цифровых двойников
• Взаимодействие с C++ и Go компонентами через gRPC-интерфейсы и общие protobuf-контракты

Требования

• Python 3.10+ (Senior / сильный Middle+)
• PyTorch, OpenCV, Computer Vision
• Понимание feature extraction, pose estimation, visual localization
• Опыт production ML-сервисов (FastAPI/gRPC)
• Docker, Kubernetes, Kafka
• PostgreSQL, MongoDB, Redis, OpenSearch
• Опыт работы с AI-агентами: Claude Code, Codex, Cursor
• Будет плюсом Gaussian Splatting, SLAM, Visual Odometry
• LiDAR / photogrammetry / point clouds
• Apache Spark
• C++ и/или Go
• High-load ML inference systems

Стек
PyTorch, OpenCV, FastAPI, gRPC, Python, C++, Go, Kafka, Kubernetes, Docker, PostgreSQL, MongoDB, Redis, OpenSearch, ArgoCD, Tekton, Yandex Cloud, S3/GCS, Claude Code, OpenAI Codex, Cursor.