面向超大规模 AAA 级游戏场景的 3DGS重建及游戏引擎的高性能渲染管线

AAA 级开放世界游戏依赖高复杂度 Mesh、PBR 材质与烘焙光照，能在 PC/主机端实现影视级表现，但在移动端受算力、显存、带宽与功耗的严苛限制，迁移成本极高。3D Gaussian Splatting（3DGS）以可微高斯体直接表达场景，凭借视图相关外观、训练即渲染与相对紧凑的存储，为高保真重建与跨端轻量表达提供了新路径。但当前 3DGS 仍停留在"可看"的重建展示层面，缺乏显式几何、物理与交互语义，且在超大规模场景下面临点数爆炸、显存与带宽压力，距离"可玩、可部署"的 AAA 级游戏资产仍有显著差距。 本课题希望研究3DGS–Mesh 混合表达与自动转换管线，从两个方向推进：一是面向 AAA 级场景的高质量重建，融合 Mesh 的几何精确性与 3DGS 的高保真外观，并支持文本/单图驱动的场景生成；二是在游戏引擎中打造高效率渲染管线，通过 LoD、流式加载与压缩调度，实现数十平方公里级场景在移动端的轻量化实时渲染。

1. 01

   顶级学术成果：在图形学/AI 顶会（SIGGRAPH / SIGGRAPH Asia / CVPR / ICCV / NeurIPS / ICLR / TOG 等）有一作或核心贡献论文，具备优秀的研究品味与问题洞察力； 2、3DGS / 神经渲染前沿功底：深入理解 3D Gaussian Splatting、NeRF 及神经渲染体系；

2. 03

   大规模场景表达前瞻性：对超大规模 AAA 场景下的 Mesh 与 3DGS 混合表达、混合渲染、LOD 与显存冗余问题有前沿认知，具备超越业界方案的想象力；

3. 04

   扎实的图形学与数学基础：精通实时渲染管线、PBR、多视角几何，具备优化、概率与线性代数的数理功底，能快速复现并突破前沿论文。