3D 生成与空间智能

1. 3D 生成和图像、视频生成有什么本质不同？
1. 图像是一张二维像素，3D 要的是"可从任意视角看"的三维表示。
2. 这要求生成结果有几何一致性和物理合理性，不是看着像就行。
3. 3D 有多种表示：网格、点云、体素、隐式场（NeRF 类）、3D 高斯。
4. 每种表示对应不同的生成方法和下游用途（渲染/打印/仿真）。
5. 3D 数据的获取和标注成本远高于图像，训练数据是稀缺资源。
6. 评价维度也更多：几何精度、拓扑质量、材质、可渲染性。
7. 面试要点：能说出"一致性、表示多样性、数据稀缺"三个关键词。

2. 主流的 3D 生成技术路线有哪些？
1. 文生 3D 直接路线：扩散模型在 3D 表示上训练，一步到位。
2. 二次生成路线：先生成多视角图像，再从图像重建 3D（重建管线）。
3. 原生 3D 扩散：在点云/隐式场/高斯上做扩散，几何一致性最好。
4. 图生 3D：单张图输入，先补全多视角再重建，是当前最实用路径。
5. 程序化生成：LLM 生成场景描述代码或参数化模型，适合结构化资产。
6. 各路线常组合：多视角生成提供外观，3D 先验补几何。
7. 面试要点：能对比"直接生成"与"先图后 3D"两条主线的取舍。

3. NeRF 和 3D 高斯泼溅（3DGS）是什么？
1. NeRF 用神经网络隐式表示场景：输入坐标和视角，输出颜色与密度。
2. 渲染要沿光线采样神经网络，质量高但渲染慢。
3. 3DGS 用大量带颜色和透明度的椭球"泼"出场景，光栅化渲染极快。
4. 3DGS 训练快、渲染实时，迅速成为主流场景表示。
5. 两者都从多视角图像重建场景，属于"场景重建"而非"凭空生成"。
6. 它们是空间智能的基础设施：数字孪生、VR、影视预演都在用。
7. 面试要点：说清"隐式（NeRF）与显式（3DGS）"的表示差异。

4. 单张图片生成 3D 的难点是什么？
1. 单图信息不足：被遮挡的部分完全是猜测，背面的几何靠先验补全。
2. 多视角一致性：生成的各视角图像拼起来必须能对得上。
3. 材质与光照解耦：原图的光照会"烤"进纹理，重打光就穿帮。
4. 薄结构、毛发、镂空这类复杂几何是公认难题。
5. 实践方案：扩散模型补多视角视图，再用重建算法恢复几何。
6. 评测重点看"转到背面像不像"，而不是正面像不像。
7. 面试要点：本质是"欠定问题的先验补全"，说破这一点就到位。

5. 3D 生成的质量怎么评测？
1. 几何指标：与真值的倒角距离、法向一致性，需要参考模型。
2. 多视角一致性：新视角渲染与真实视图的对比误差。
3. 拓扑与可用性：面片是否自交、能否用于下游建模或打印。
4. 视觉质量：渲染图的感知指标加人工评审。
5. 任务级评测：生成资产能否直接进引擎（导入成功、物理正确）。
6. 人工评审占大头：3D 的"可用"标准业务差异极大，指标只是参考。
7. 面试要点：强调"下游可用性"才是业务评测的核心。

6. 空间智能是什么概念？
1. 不止理解单张图片，而是理解并推理三维空间的布局、遮挡、物理。
2. 输入可以是视频、多视角图像，输出是空间表示或空间决策。
3. 它是具身智能和 AR/VR 的认知基础：知道"东西在哪、怎么动"。
4. 与纯语言理解互补：空间关系（左右、深浅、支撑）语言模型常出错。
5. 技术构成：深度估计、相机位姿、三维重建、物理属性推断。
6. 大模型接入空间智能的路径：视频预训练、3D 数据预训练、可微渲染。
7. 面试要点：空间智能是"从看懂图到看懂世界"的能力升级。

7. 3D 生成在游戏/影视行业的落地路径？
1. 游戏资产：道具、场景草模生成，进管线后再人工精修。
2. 影视预演：快速生成场景预览，替代昂贵的临时建模。
3. 落地形态多是"AI 出草稿、人工出成品"，而非全自动交付。
4. 生成资产要符合引擎规范：面数、拓扑、UV、材质贴图都有硬标准。
5. 程序化生成（代码生成参数化模型）在规则化资产上已经很实用。
6. 行业采纳的瓶颈是"可用率"：生成十个能用一个，人工修复成本仍高。
7. 面试要点：把落地说成"提效工具进管线"，不要吹"替代建模师"。

8. 3D 数据稀缺问题怎么破？
1. 公开 3D 资产库规模远小于图像数据，且质量参差。
2. 合成数据：引擎里程序化生成场景加自动标注，量可以无限大。
3. 从视频学习：互联网视频隐含大量多视角信息，可提取 3D 监督信号。
4. 游戏引擎自产数据：现成 3D 场景任意渲染出配对数据。
5. 表示学习：先在图像视频上学 2D 先验，再迁移到 3D 任务。
6. 数据工程在这个领域比模型架构更决定上限。
7. 面试要点：能说出"合成数据加视频监督"两大补数据路径。

9. 3D 生成怎么控制可编辑性？
1. 业务要的不是"一个模型文件"，而是"可以改的模型"。
2. 分层表示：几何、材质、光照分开表示，才能分开编辑。
3. 语义分割嵌入生成过程：生成时就带部件标签（门、窗、轮子）。
4. 参数化生成：LLM 生成结构化描述，部件级参数可调。
5. 纹理与几何解耦：改贴图不动模型，改模型保留贴图。
6. 编辑能力现在是选型的重要指标，甚至比生成质量更关键。
7. 面试要点：可编辑性 = 可控生成加结构化表示，缺一不可。

10. 3D 生成的算力和延迟现状？
1. 生成一个精细 3D 资产通常是分钟级，远慢于图像的秒级。
2. 优化方向：多阶段蒸馏、前馈式重建网络、表示简化。
3. 实时 3D 生成（如对话中即时出模型）目前只在受限场景可行。
4. 训练侧数据加载和 3D 算子也是工程瓶颈。
5. 业务上通常接受"离线生成加在线渲染"的分工。
6. 随着前馈式模型成熟，秒级生成是明确趋势。
7. 面试要点：给业务方案时要按"分钟级离线"做现实预期。

11. 落地 3D 生成最常踩的坑？
1. 拿论文 demo 的效果当线上效果，真实可用率差一个量级。
2. 忽视下游规范，生成资产导不进引擎，白生成。
3. 只看正面渲染质量，转到背面和底部全是崩的。
4. 光照烤死在纹理里，进引擎后和场景格格不入。
5. 没有可编辑性，美术想改一处只能整个重新生成。
6. 评测没建"业务可用"标准，团队自嗨指标与生产脱节。
7. 把 3D 生成当独立产品卖，忽略了它必须嵌进现有制作管线。

包含的内容比较多，这里只做了简单的截图介绍，需要拿来学习的小伙伴查看下方图片！

📚 大模型面试题系列 · 持续更新

INTRO_REMOVED

长按识别二维码，添加微信好友

获取完整版面试题合集，注明 「面试」 通过好友申请