优图实验室-高精3D生成技术研究

课题背景： 近年来，图生 3D、文生3D等技术迎来爆发式增长，成为 AIGC 领域最具潜力的方向之一，在游戏开发、数字孪生、影视特效、工业设计等行业展现出巨大的应用价值。然而目前的技术仍然存在几何质量瑕疵、拓扑混乱、纹理保真度不高、渲染兼容性差等问题。 因此本课题聚焦于打破生成式AI与传统计算机图形学之间的壁垒，将3D生成模型和整个计算机图形学管线深度融合，实现工业级“生成即可用”的高质量3D资产生成。 课题内容：

1. 01

   精通计算机图形学管线并能根据问题针对性优化：能完整搭建3D建模、拓扑优化、UV展开、贴图制作、光栅化、纹理烘焙、光照合成等全流程，并与最新的生成式AI模型的训练、推理流程融合。

2. 02

   3D 表达技术优化：掌握传统几何处理管线，熟悉新型的3D表示原理，例如NeRF、SDF、3D Gaussian Splatting 。解决不同表示方式存在的质量损失和效率瓶颈问题。

3. 03

   工业级材质纹理生成技术：深入了解常见生成模型原理，例如扩散模型、流匹配、自回归或掩码自回归，实现符合物理规律、支持主流引擎直接渲染的高质量 PBR 材质与纹理自动生成。

4. 04

   多模态与后训练融合的 3D 生成增强技术：精通生成模型的后训练方法，例如高效参数微调、强化学习等。 研究多模态语义约束下的3D生成模型的后训练范式，实现3D资产的几何、纹理、光照与多模态输入的精准对齐。能够搭建基于多模态模型的3D资产自动质量评价流程。 具体工作： 你将参与到计算机图形学管线搭建和优化，并与生成式模型进行深度融合的工作中。搭建生成模型训练流程，根据阶段性问题优化管线问题，提升整体生成结果的语义准确性、物理真实性和工业级渲染兼容性。3D生成模型训练与应用等。

1. 01

   包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学等专业的博士和优秀硕士；有计算机图形学等相关研究经验者优先；

2. 02

   精通计算机图形学管线原理，理解3D建模、 Mesh 拓扑、UV 展开、贴图制作、光栅化、纹理烘焙、光照合成等底层技术，熟悉至少一种主流 3D 建模软件与渲染引擎；

3. 03

   熟悉常见生成模型原理，包括但不限于扩散模型、流匹配、自回归或掩码自回归，有3D生成、重建经验者优先；

4. 04

   熟悉常见的后训练和生成模型加速技术，能将业界新方法迁移到不同的问题场景中，提出创新性解决方案；

5. 05

   代码能力强，具备较强的学习、沟通和团队协作能力。