Wissenschaftliche/r Assistent/in – Real-Time Generative Models / Computer Vision

Einleitungstext
Die Biomedical Image Computing Group entwickelt algorithmische Lösungen zur Ermöglichung der automatischen Interpretation und Formung biomedizinischer Bilder mit dem Ziel, die Effizienz und Genauigkeit in der klinischen Praxis und Forschung zu erhöhen.

Projekthintergrund
Die Verbesserung von endoskopischen Videos ist eine kritische, aber komplexe Aufgabe. Diese Videos sind integraler Bestandteil verschiedener klinischer Interventionen, bei denen die Klarheit der Bilddaten entscheidend für den Erfolg des Eingriffs ist. Aufgrund anspruchsvoller Bildgebungsbedingungen kann die Qualität endoskopischer Videos durch eine Reihe von Artefakten erheblich beeinträchtigt werden. Dieses Projekt zielt darauf ab, die nächste Generation von Verbesserungsalgorithmen zu entwickeln, die speziell auf endoskopische Videos zugeschnitten sind, mit einem Schwerpunkt auf Anwendungen in Echtzeit-Interventionen. Die Entwicklungsbemühungen werden sowohl die Verbesserungsqualität als auch die Recheneffizienz priorisieren, insbesondere im Hinblick auf die Latenz.

Der erfolgreiche Kandidat wird dem BMIC-Team an der ETH Zurich beitreten und auch Teil des Computer Vision Lab (CVL) sein. Das Projekt wird in Zusammenarbeit mit einem industriellen Implementierungspartner durchgeführt, der Unterstützung bei der Hardware- und Softwareintegration leisten wird.

Die Stelle ist ab sofort verfügbar und zunächst auf 8 Monate befristet.

Aufgaben-/Stellenbeschreibung
Diese Position umfasst die Implementierung, Optimierung und den Einsatz von Deep-Learning-Bildverbesserungsmodellen für den Echtzeitbetrieb. Anstatt sich primär auf das Modelltraining zu konzentrieren, wird der erfolgreiche Kandidat daran arbeiten, bestehende und neue Architekturen in effiziente Echtzeit-Verarbeitungspipelines zu übersetzen, die direkt mit einem industriellen Kamerasystem verbunden sind. Typische Aufgaben umfassen das Profiling und die Optimierung von Modellen für die Inferenz mit geringer Latenz, die Implementierung und Anpassung von neuronalen Netzarchitekturen unter Berücksichtigung von Echtzeitbeschränkungen, die Integration von Kameraerfassungs- und Vorverarbeitungspipelines sowie die Mitwirkung an Projektergebnissen und der Erstellung wissenschaftlicher Manuskripte.

Ihr Profil
MSc-Abschluss in Informatik, maschinellem Lernen, medizinischer Bildverarbeitung oder einem verwandten Bereich.
Vertrautheit mit auf neuronalen Netzen basierenden Bildverarbeitungspipelines.
Exzellente Programmierkenntnisse und Erfahrung mit Python.
Erfahrung in der Implementierung und Validierung von neuronalen Netzarchitekturen unter Verwendung von PyTorch.
Nachweisbare Erfahrung mit Modellbereitstellung/-beschleunigung (PyTorch, ONNX, TensorRT, CUDA/C++, etc.), Profiling-Tools und Kamera-/Sensorintegration ist ein Plus.

Wir bieten
Ihr Job mit Wirkung: Werden Sie Teil der ETH Zurich, die nicht nur Ihre berufliche Entwicklung unterstützt, sondern auch aktiv zu positivem gesellschaftlichem Wandel beiträgt.
Sie können zahlreiche Vorteile erwarten, wie z. B. Abonnements für den öffentlichen Verkehr und Carsharing, ein breites Sportangebot des ASVZ, Kinderbetreuung und attraktive Pensionsleistungen.

Neugierig? Sind wir auch.
Wir freuen uns auf Ihre Online-Bewerbung mit den folgenden Unterlagen:

CV
Empfehlungsschreiben (falls vorhanden)
Weitere Informationen über Biomedical Image Computing finden Sie auf unserer Website. Fragen zur Stelle sollten an Julio Jose Silva Rodríguez, julio.silva-rodriguez@vision.ee.ethz.ch gerichtet werden (keine Bewerbungen).

Bitte beachten Sie, dass wir ausschließlich Bewerbungen akzeptieren, die über unser Online-Bewerbungsportal eingereicht werden. Bewerbungen per E-Mail oder Post werden nicht berücksichtigt.

Wir möchten darauf hinweisen, dass die Vorauswahl durch die zuständigen Recruiter und nicht durch künstliche Intelligenz erfolgt.