米哈游｜3D生成算法研究员实习生

核心使命是研发下一代高可控、高质量的生成式3D技术。将聚焦于多模态条件输入与控制这一前沿方向，通过持续性的算法创新、模型优化与数据科学实践，构建一个能够稳定输出“艺术家级”资产的智能生成系统，并推动其在业务场景中的实用化落地。 具体职责可分为四个核心板块： 1. 核心算法攻关 目标：研究并开发下一代资产级三维生成大模型的核心算法。 重点：提升生成模型的质量（Artist-like Mesh），确保生成的三维网格在拓扑、细节和结构上达到“艺术家水准”。 2. 多模态条件控制研究 目标：赋予模型强大的“理解与遵从”能力，实现高精度、高可控的生成。 研究方向： 条件融合：研究如何将图像、文本、深度图、法线图、语义分割图等多种模态的信息，作为条件输入模型。 控制方法：开发创新的条件注入与控制技术，如类似2D领域的 ControlNet 控制模块、在扩散模型（UNet/DiT）中设计条件Token注入机制等。 3. 模型调优与工程化 目标：对前沿3D生成模型进行改造、优化，以适应具体业务需求。 主要工作： 基于自研模型进行局部模块微调、LoRA调优等实验。 将上述研究的自定义Conditioning方法实现并集成到模型中。 4. 技术调研与数据基建 目标：保持技术前瞻性，并构建支持算法迭代的数据基础。 具体任务： 技术追踪：持续跟进三维生成大模型领域的前沿算法，评估并落地可行的技术方案。 数据闭环：从数据科学家视角出发，主导或深度参与3D数据闭环的构建。这包括设计创新的数据表示方法、制定数据质量标准、以及搭建高效的数据处理与增强流水线，为模型训练提供高质量燃料。

1.计算机图形学或计算机视觉等相关专业优先； 2.参与3D大模型训练、数据处理等工作和项目； 3.熟练掌握python，熟悉Diffusion算法的理论推导及实现代码，三维模型表示，三维模型生成等相关技术，关注相关领域的最新进展； 4.对技术充满热情，思维清晰，具有很好的问题分析推断能力、良好的沟通表达能力和合作能力。 加分项 1.发表过至少一篇相关的一作顶会文章（比如SIGGRAPGH，CVPR等）； 2.深度参与过相关的高品质项目开发（需有明确的成果展示）。