混元多模态-面向专业管线的3D Mesh生成大模型研究

课题背景 游戏、影视、工业设计等专业领域的3D管线高度依赖结构化3D Mesh作为核心资产，其对网格拓扑（布线规范）、几何精度（面数控制、边缘平滑）、工程兼容性（骨骼绑定、UV拆分）有严格标准。当前3D生成算法多输出点云、体素等非结构化表示，或生成的Mesh存在拓扑混乱、布线不合理等问题，需人工二次优化才能接入专业管线，导致"AI生成-专业生产"链路断裂，效率提升受限。本课题旨在研发直接生成符合专业规范的3D Mesh大模型，实现从文本/图像输入到"即插即用"Mesh资产的端到端生成，支撑游戏资产批量生产、影视角色快速迭代等场景，推动3D内容生产从"AI辅助"向"AI主导"升级。 课题挑战

1. 01

   专业规范的显式建模：如何设计模型实现布线规整的3D Mesh生成，将布线规则（如四边形主导、循环边结构）、几何约束（如面数阈值、曲率连续性）等隐性知识转化为模型可学习的目标函数或约束条件；

2. 02

   Mesh拓扑与可编辑性优化：除Mesh生成外，兼顾UV展开、LOD、法向烘焙、动画驱动等下游任务，保证拓扑结构的合理性（如无冗余顶点、边缘流符合解剖学/力学逻辑）；

3. 03

   生成效率与管线适配：如何在保证规范的同时提升生成速度。 具体工作 你将参与3D Mesh生成大模型的全流程研发：

4. 01

   专业规范建模：设计与优化3D Mesh生成大模型（自回归或Diffusion架构）；

5. 02

   模型训练与优化：基于AR、DiT等框架，优化Mesh生成的拓扑一致性与几何精度，解决布线混乱、细节缺失等问题。

1. 01

   包含但不限于计算机、模式识别、人工智能、计算机视觉、图形学、自动化、信息工程、应用数学等专业的博士和优秀硕士；

2. 02

   熟悉3D数据表征、3D生成算法、三维视觉基础、自回归大模型算法、图形学算法、深度学习核心算法，熟练掌握Python及PyTorch框架，有3D生成、低模mesh生成、自动UV展开算法等相关项目经验者优先；

3. 03

   具备良好的沟通协作能力、较强的问题分析与解决能力，自驱力强，能独立设计实验并推动研究落地，对前沿技术有持续学习热情。 此课题同时招聘应届实习生和低年级实习生。