【提前批-基础研究】3D生成算法研究员

优缺点分析

角色解读

• 在3D生成大模型方向深耕，成为行业顶尖的研究员或科学家
• 向技术Leader方向发展，带领团队攻关核心技术，影响公司3D资产管线
• 横向拓展至其他AIGC领域（如2D生成、动画生成），参与公司前瞻性项目
• 研发3D生成大模型的核心算法，包括模型架构设计、训练策略优化和数据表征探索
• 研究多模态条件控制技术，使生成过程更可控、更精准，适配游戏资产制作管线
• 将前沿算法工程化落地，通过LoRA调优等方式适配业务需求
• 与数据团队协作，制定3D数据的处理标准（如watertight、PBR等），支撑模型训练
• 扎实的计算机图形学或计算机视觉基础，熟悉3D数据表示（SDF、网格、PBR等）
• 深入掌握Diffusion等生成模型理论，有模型训练和调参经验
• 熟练使用Python，具备独立实现和修改论文算法的能力
• 良好的逻辑分析和沟通协作能力，能快速跟进前沿技术

申请策略

• 面试前了解米哈游技术博客或相关技术分享，展现对公司技术方向的认同
• 准备好一个深入的技术预演讲（如介绍你之前的研究或项目），体现思考深度
• 突出3D生成或Diffusion相关项目经验，包括模型训练、数据处理流程
• 如有顶会一作论文（SIGGRAPH、CVPR等）务必显著体现，并说明技术贡献
• 展示扎实的Python编码能力，可附上GitHub链接或开源项目
• 强调对计算机图形学基础的理解，如网格、SDF、PBR等
• 系统复习Diffusion系列论文（DDPM、Stable Diffusion、3D生成如DreamFusion等）
• 动手实现一个3D生成小项目（如基于Triplane的NeRF生成），积累工程经验

面试指南

• 按照“问题定义→现有方法分析→我的方案→实验结果→总结改进”的结构回答，突出创新点和工程思维
• 对于技术原理问题，先给出核心公式或思想，再结合实例解释，体现深入理解
• 请详细讲解你参与的一个3D生成模型，包括架构设计、训练难点和解决方案
• 对比几种3D表示方法（如mesh、SDF、NeRF）的优缺点，并说明在生成任务中的选择依据
• 如何设计一个多模态条件控制的3D生成模型？请给出技术方案
• Diffusion模型中classifier-free guidance的原理是什么？如何调参？
• 如果给你一个具体的3D资产制作需求（如生成高模），如何从数据到模型落地？
• 阅读并理解SIGGRAPH/CVPR近两年3D生成方向的经典论文，准备好技术讲解