多模态动作生成大模型

课题背景： 高质量的动画内容创作在当今影视、游戏、等行业中愈发重要, 其中基于3D资产的底层动画内容在质量、灵活性、交互体验等多方面尤为重要, 也是游戏制作中的重要一环. 工业界现有的3D动画制作管线存在高人力场地成本、时间周期长、资产复用率低等问题, 而学术届已有的3D动作生成方案在生成的内容质量、多样性、可控性方面还远达不到工业可用水平。 基于以上现状, 本项目旨在开发一种先进的多模态3D动作生成系统，通过结合人工智能技术与海量3D资产数据，利用视觉、文本等多模态信息，自动可控地生成高质量的3D动画。该系统能够理解复杂的模态输入，结合数字资产制作(DCC)软件(maya、3dsmax, blender等), 可控、交互式地转化为精确的3D动作，极大地提升动画的制作效率和灵活性, 节省人力。此技术不仅可以广泛应用于游戏开发，还能服务于媒体宣发和影视制作行业，帮助从业者快速高效地创作出符合高标准的可用视觉资产。

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

   深入理解主流多模态融合架构（例如 Single-stream、Double-stream 等），能够针对不同模态特征进行灵活的 Transformer 模块设计；

3. 03

   熟悉端到端预训练、SFT、RL 微调等流程；

4. 04

   熟练使用 Python，熟练使用 PyTorch 框架；

5. 05

   具备 3D 骨骼动画或人体运动学（IK/FK、SMPL 等人体参数化模型）相关经验者优先；

6. 06

   具备人体物理仿真（如 PhysX，Isaac Gym，MuJoCo）或基于强化学习的动作控制经验者优先；

7. 07

   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；

8. 08

   具备极强的论文复现与改进能力，能够敏锐捕捉大语言模型、视频生成领域的最新技术并将其迁移至动作生成领域。