优图实验室-高精3D生成技术研究

课题背景：

课题内容：

• 1. 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. 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. 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. 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：

• 1、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、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、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、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、代码能力强，具备较强的学习、沟通和团队协作能力。