腾讯｜游戏资产轻量化算法研究实习

课题背景： 当前游戏画面品质日趋精美，高精度材质、复杂Shader和精细几何模型给游戏带来包体膨胀、运行性能下降和多平台适配成本高等多重压力。现有学术方法在材质、几何、动画上的表示与压缩技术难以兼顾泛化性、性能与质量。本课题拟结合神经网络渲染、可微渲染、LLM等技术，构建覆盖材质压缩、Shader简化和几何优化等前沿算法的游戏资产轻量化解决方案。 课题挑战： 1、复杂材质压缩：游戏材质含多张高分辨率纹理，需在挖掘冗余、降低文件大小的同时保持不同距离和光照下的渲染质量，并支持在给定误差约束下输出最优压缩表示； 2、高效材质表示：使用神经网络等技术寻找一个更加紧凑与高效的材质神经表示，同时能够满足在移动设备上部署的性能需求； 3、Shader自动简化：自动分析复杂计算图，识别可裁剪的冗余路径，结合LLM与可微渲染生成多精度等级的简化Shader变种，满足目标平台的性能与功耗要求； 4、几何自适应简化：使用自适应减面与量化技术、消除冗余结构并保持视觉特征保真度； 5、端到端联合优化：构建自适应的资产优化框架，在统一的视觉损失目标下对多类资产进行协同优化。 具体工作： 参与材质表示与压缩、几何优化等前沿资产优化算法研究，搭建一体化资产优化平台，推动技术在实际游戏项目中的落地。

1、计算机科学、计算机图形学、人工智能、软件工程、应用数学、电子工程等相关专业的博士或优秀硕士； 2、熟悉计算机图形学、渲染管线或神经渲染相关算法，熟练掌握C/C++、Python。在SIGGRAPH、TOG、CVPR等一流会议或期刊有发表经历者优先； 3、具备较强的自驱力和独立研究能力，善于沟通协作，能主动探索新技术方向，具备良好的逻辑思维和问题分析能力。