混元多模态-高精3D几何生成大模型研究

关于这个机会

课题背景 当前主流3D生成方案在整体形态上已能给出可信结果，但仍难以满足工业设计、精密制造、文物数字化、AR/VR等对几何保真度要求极高的专业场景。本课题旨在研发高精度3D几何生成大模型，突破从粗糙形状到高保真几何的表征与生成瓶颈，实现细节丰富、结构完整、尺度准确的三维几何端到端生成，为混元3D的"专业级几何底座"提供核心算法支撑。本课题旨在实现高效率、强可扩展性（Scalable）的3D物体表征方法，并开展相关的数据收集与预处理工作。在此基础上，深入研究生成模型的网络架构、注意力（Attention）机制及训练策略（Training Recipes），以实现更为高效的3D模型训练。 课题挑战 1. 高频几何细节的表征与重建：如何设计高分辨率、强可扩展性（scalable）的几何表示，在有限算力下同时刻画整体结构与局部高频细节； 2. 锐利特征与复杂结构的保真生成：如何在生成过程中显式保留尖锐边缘、薄壁、镂空、自遮挡等难例结构，抑制破面、非流形、自相交等几何缺陷，保证水密性与几何合法性； 3. 几何可编辑性与结构化生成：如何让生成的几何不仅"好看"更"好用"，支持部件级/组件级的结构化组织与语义解耦，实现对局部结构的独立编辑（增删、替换、变形、参数化调整）而不破坏整体合法性，突破当前生成结果"整体不可拆、局部不可改"的黑盒瓶颈，满足专业管线中反复迭代、按需修改的编辑需求； 4. 几何精度与尺度一致性：如何将真实物理尺度、比例约束、对称性等先验引入生成过程，实现可度量、可复用的高精度几何输出，并在保证精度的同时兼顾生成效率。 具体工作 你将参与高精度3D几何生成大模型的全流程研发： 1. 几何表征设计：探索并优化高分辨率几何表示与生成架构（Diffusion / 自回归 / 隐式场等），突破细节-算力的平衡瓶颈； 2. 模型训练与优化：基于大规模3D数据研发几何生成大模型预训练/后训练算法架构，优化高频细节还原、锐利特征保持与几何合法性，解决过平滑、破面、尺度失配等问题； 3. 组件化几何生成：研究部件感知/组件级的结构化几何生成，实现对象的语义部件分解、组件独立生成与可控组装，支撑几何的可编辑性与复用性。

任职要求

1. 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. 熟悉3D数据表征（SDF/UDF/点云/隐式场等）、3D几何重建与生成算法、三维视觉基础、Diffusion大模型算法、几何处理与图形学算法、深度学习核心算法，熟练掌握Python及PyTorch框架，有高精度3D重建、几何生成、隐式表面重建等相关项目经验者优先； 3. 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。

内推申请说明

本站为独立内推协助平台。申请会交由管理员核实岗位与内推渠道，不等于已在公司官网投递；薪资、岗位状态和实际招聘流程以官方信息为准。