基础研究-图形算法研究员 （AI3D绑骨蒙皮大模型)

优缺点分析

角色解读

• 从算法研究员成长为资深研究员或技术专家，深耕3D AI领域
• 可向技术管理方向发展，带领团队进行技术攻坚
• 在米哈游内部，可参与核心游戏资产生产管线，推动技术落地
• 负责通用3D绑骨蒙皮大模型的架构设计与演进，实现从3D网格到骨骼层级+蒙皮权重的端到端生成
• 开发自动化骨骼布局与蒙皮权重预测算法，解决多拓扑、非人形等资产的泛化与变形自然度问题
• 搭建工业级数据管线，负责数据清洗、规范化标注与质量评估，构建高质量训练与测评数据集
• 跟进前沿AI3D技术，可能有发表顶会论文的机会
• 熟练掌握Python和PyTorch，具备扎实的深度学习基础（GNN、Transformer、3D表示等）
• 熟悉3D几何处理、Rigging & Skinning算法或3D生成算法（Mesh/3D Gaussians/Diffusion）
• 具备良好的3D数学基础，了解骨骼运动学（FK/IK）与工业级绑定规范
• 自驱力强，有顶会论文或开源项目经验者优先

申请策略

• 在简历中体现对游戏行业和3D AI技术的热爱，米哈游注重技术热情
• 可尝试在GitHub上贡献相关开源项目，增加竞争力
• 突出深度学习项目经验，尤其是与3D相关的（如3D重建、点云处理等）
• 强调PyTorch上的工程能力，包括模型训练、调优和分布式训练经验
• 如有顶会论文或开源项目，务必重点展示，这是重要加分项
• 展示对3D动画、游戏建模流程的理解和热情
• 学习3D几何处理和Rigging/Skinning的基础知识，理解骨骼与蒙皮原理
• 熟悉Diffusion Model、3D Gaussians等最新生成技术，了解其应用场景

面试指南

• 对于技术设计题，先明确输入、输出和约束，再提出基于现有方法（GNN、Transformer等）的可行方案，并说明其优缺点
• 对于研究性问题，展示对领域前沿的了解，突出自己解决实际问题的思路和实验设计能力
• 对于工程问题，强调数据清洗、评估指标、管线自动化的重要性，并给出具体实施策略
• 请介绍一下你最熟悉的3D生成算法？如何将其应用到绑骨蒙皮任务？
• 如何设计一个神经网络来预测蒙皮权重？输入和输出分别是什么？
• 你如何理解骨骼运动学中的FK和IK？它们在绑定中起什么作用？
• 给定一个非人形网格（如四足动物），如何自动生成合理的骨骼层级？
• 如何处理训练数据的质量和多样性问题，以保证模型的泛化能力？