Masterand (all genders) – Semantic 4D Occupancy Forecasting

Die semantische 4D-Belegungsvorhersage (Semantic 4D Occupancy Forecasting) ist von entscheidender Bedeutung für sicheres autonomes Fahren, da sie es Fahrzeugen ermöglicht, zukünftige Szenendynamiken und -geometrien zu antizipieren. Das Training moderner State-of-the-Art-Modelle stützt sich jedoch stark auf vollständig überwachte Methoden, die massive und extrem teure, dichte 3D-Voxel-Annotationen erfordern. Um diesen Datenengpass zu überwinden, verlagert sich die Spitzenforschung zunehmend hin zu selbstüberwachten und schwach überwachten Paradigmen, die vortrainierte 2D-Foundation-Modelle (z. B. DINOv2, CLIP oder SAM) nutzen. Durch die Ausrichtung dieser reichhaltigen Open-Vocabulary 2D-Semantikmerkmale an räumlichen 3D-/4D-Repräsentationen mithilfe fortschrittlicher Transformer-Architekturen ist es möglich, ein robustes räumlich-zeitliches Verständnis ohne dichte 3D-Ground-Truth-Daten zu erreichen.

Aufbauend auf diesen Durchbrüchen konzentriert sich diese Masterarbeit auf die Entwicklung eines Foundation-Model-basierten Frameworks für die visionsbasierte 4D-Belegungsvorhersage. Deine Aufgabe wird es sein, eine Architektur zu entwerfen, die reichhaltige Multi-View-Semantiken in eine 4D-Vorhersage-Pipeline destilliert und so die Lücke zwischen skalierbaren, rein kamerabasierten Eingaben und hochpräzisen Umgebungsvorhersagen schließt.

• Entwicklung eines Transformer-basierten Netzwerks zur Vorhersage der zukünftigen semantischen 4D-Belegung aus sequenziellen Multi-View-Kameradaten mittels schwacher oder Selbstüberwachung.
• Aufbau und Training der PyTorch-Pipeline sowie Entwurf von Alignment-Mechanismen, um semantische Merkmale aus 2D-Foundation-Modellen in die räumlich-zeitliche 4D-Repräsentation zu destillieren.
• Benchmarking gegen vollständig überwachte Baselines auf großen Datensätzen (z.B. nuScenes, OpenOccupancy) mit besonderem Fokus auf Vorhersagegenauigkeit, semantischer Präzision und Label-Effizienz.

Profil:

• Du bist eingeschrieben in einem Masterstudium der Informatik, Künstlichen Intelligenz, Robotik oder eines vergleichbaren Studiengangs.
• Du verfügst über sehr gute Programmierkenntnisse in Python sowie fundierte Erfahrung mit Deep-Learning-Frameworks (insbesondere PyTorch).
• Du bringst fundiertes Hintergrundwissen im Bereich 3D Computer Vision mit. Praktische Erfahrung mit semantischer Segmentierung, Occupancy Networks oder 3D Gaussian Splatting ist von großem Vorteil.
• Du besitzt Kenntnisse über Vision Transformers (ViT), Foundation Models (DINO, CLIP) sowie Paradigmen des selbst- bzw. schwach überwachten Lernens.
• Du hast eine selbstständige und lösungsorientierte Arbeitsweise, hohe Motivation sowie sehr gute Englisch- und Deutschkenntnisse (C1-Niveau) für eine klare Kommunikation im Team und mit unseren Partnern.

Wir bieten:

• Selbstorganisierte Teams mit viel Gestaltungsspielraum.
• Verantwortung und Mitgestaltung.
• Offene Fehler- und Feedbackkultur.
• Mentoring & persönliche Entwicklung.
• Individuelles Mentoring ab dem ersten Tag.
• Regelmäßige Entwicklungsgespräche.
• Führung auf Augenhöhe, basierend auf Vertrauen und Respekt.
• Lebenslanges Lernen.
• Fachliche und überfachliche Trainings.
• Interne TechTalks, externe Fortbildungen und Konferenzen.
• Anspruchsvolle, innovative und vielseitige Projekte.
• Cross-funktionale Teams mit modernen Technologien.
• Gelebte Expertenkultur und teamübergreifender Wissensaustausch.
• Zuschuss zu Betreuungskosten bis zu 250 €/Kind.
• Lohnfortzahlung für Kinderkrankentage.
• Regelmäßige Events (z. B. Retreats, Sommerfeste).
• Freie Wahl von Arbeitszeit und -ort.
• Flexible Arbeitszeitkonten, 30 Tage Urlaub, Teilzeitoption, Sabbatical & Workation.
• Mental Health Taskforce.
• Diversity Taskforce für Perspektivenvielfalt.
• Kultur der Zugehörigkeit: Jede*r soll sich angenommen fühlen.