腾讯｜基于3dgs的下一代游戏制作与渲染研究课题背景实习

课题背景： 生成式 AI 正在深刻重塑游戏工业。传统 3D 内容生产管线长期受制于制作周期长、成本高，以及高保真效果与实时渲染性能之间的结构性矛盾。3D Gaussian Splatting（3DGS）为实时渲染带来突破，但在工程化落地中仍面临存储冗余、可编辑性不足、缺乏物理一致性交互等关键瓶颈。将扩散模型的生成能力与大语言模型（LLM）的语义理解与交互能力引入 3DGS，构建 AI 驱动的新一代 3DGS 端到端制作与渲染管线，有望成为下一阶段的核心突破方向。 课题价值： 通过自动化、智能化内容生产与编辑流程，减少对高熟练度美术与技术人员的依赖，大幅降低 3D 资产制作门槛与成本，显著缩短开发周期； 提供高复杂度场景的高帧率实时渲染能力，支持传统方法难以实现的开放世界与动态效果，兼顾画面质量、渲染效率与工程部署可行性。 课题挑战： 当前 3DGS 在动态光照表达不自然、物理效果缺失等方面仍存在明显短板，需要探索更优核函数设计，并引入可微分的物理建模与交互约束以提升一致性与可控性； 超大规模场景下 3DGS 表达存在显存占用高、数据冗余大的问题，需研发 Mesh 与 3DGS 的混合表达与混合渲染管线，优化 LOD、流式加载与资源调度机制； 基于单图与扩散模型生成 3DGS 时容易出现视角移动瑕疵与多视角不一致，需要提升几何与外观的跨视角一致性、时空稳定性与可编辑性。 科研目标： 突破3DGS生成与渲染的难题，最终从理论走向落地； 在图形学与 AI 顶级会议发表高水平论文并申请核心专利，形成完整的智能游戏制作解决方案。

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、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士； 2、有图形学相关的基本算法及应用游戏； 3、较强的工程实现能力，熟练掌握 C/C++ 编程，熟悉 Shell/Python/Matlab 至少一种编程语言。