高精3D数字角色驱动

课题背景： 随着生成式人工智能、多模态大模型与数字人技术的快速发展，用户对于虚拟角色的交互体验提出了更高要求：数字人不仅需要“会说”，更需要“会理解、会表达、会行动”。在游戏 AI、虚拟助手、沉浸式交互等场景中，传统基于规则或单一模态驱动的动画生成方法，已难以满足角色动作自然性、语义一致性、情绪表达丰富性以及实时响应性的综合需求。因此，围绕基于 Diffusion Transformer（DiT）的动作生成架构、多模态驱动的表情与肢体协同生成、文本/语音/视觉/动作统一建模，以及面向实时交互场景的推理优化技术展开研究，具有重要的理论价值与应用意义。本课题聚焦数字角色在复杂交互环境中的“感知—理解—决策—表达”闭环能力，探索在用户指令约束下实时生成符合逻辑、自然流畅且可控的 3D 动作序列，构建语义、情绪与时空动态高度一致的多模态生成模型，并进一步推动视觉-语言-动作（VLA）统一框架在数字人驱动中的落地，为下一代高真实感、强交互性、可实时响应的智能数字角色提供核心技术支撑。

1. 01

   计算机、人工智能等相关专业硕士或博士学位，在深度学习领域有扎实的理论功底；

2. 02

   具有扎实的深度学习算法基础，具备扎实的大模型研发经验，有 Diffusion Models 和Autoregressive Models 序列建模经验，有数字角色动画相关方向顶级论文者优先；

3. 03

   熟悉各类深度学习网络和算子底层实现细节，训练和推理模型调优，CPU/GPU加速，分布式训练推理加速，有实操经验优先；

4. 04

   熟悉端到端预训练，熟悉 SFT、RL 微调等后续连流程；熟练使用 Python，精通 PyTorch框架；

5. 05

   具备较强的学习能力、沟通能力、团队合作能力，有强烈的好奇心；

6. 06

   在 CVPR、ICCV、ECCV、SIGGRAPH 等顶会发表过高质量论文，或在相关开源项目、算法竞赛中获得优异成绩者优先。