三维模型生成与编辑
从一段话、一张图，到一个能拿在手里转的立体物件——中间隔着的不只是"生成"，还有一整套质检与交接。
- 知识：理解网格、点云、体素、隐式场、神经辐射场、三维高斯泼溅六种三维表征的取舍；讲清 SDS 蒸馏与原生三维生成两条技术路线，以及"重建"与"生成"的区别；理解拓扑、面数、UV、法线、PBR 与导出格式这些工程概念各管什么。
- 能力：能用网页工具完成文生三维与图生三维；能对生成结果做多视角质检并填写缺陷记录表；能按"导出检查清单"把资产干净地交给下一个环节（建模软件或游戏引擎）。
- 素质：理解"背面幻觉"等失败模式背后的数据根因，养成"不迷信预览图"的判断习惯；认识文化遗产数字化复原中"真实性"的边界与资产许可的法律风险，形成敬畏历史、尊重原作者权益的创作态度。
小舟在网页工具里敲下一行字："唐代临江楼台，木结构，两层歇山顶，水墨风格"。四十秒后，一个楼台出现在预览窗口里。他转动视角——正面看确实像那么回事：飞檐翘角、木格窗、栏杆都在。可当他转到背面，那面本该是墙的位置糊成了一片起伏的疙瘩，屋檐从某个角度看甚至和柱子"长"在了一起。他把模型导出，拖进引擎，又发现第三个问题：这个楼台比旁边的桥大了近百倍，而且是横躺着躺在地上的。
这不是工具的"故障"，而是这条路线上几乎一定会发生的事。三维生成的门槛，从来不在"能不能生成"，而在"生成之后你怎么看、怎么修、怎么交出去"。这一章要回答三个问题：一、三维数据在计算机里到底是怎么表示的，为什么"没有一种表示是万能的"？二、从一张图或一段话到一个三维模型，AI 走的是哪条路，为什么会"背面幻觉"、会面数膨胀、会把薄壳物体算成一团？三、拿到模型之后，拓扑、面数、UV、PBR、导出格式这些名词各自管什么，一份"导出检查清单"能替你挡掉多少坑？学完这一章，你会得到一种新的眼光：看一个三维资产，不看它的正面有多漂亮，而看它的背面、它的线框、它的数据。
4.1 三维表征家族（网格 / 点云 / 体素 / 隐式场 / NeRF / 3DGS）→ 4.2 两条来路：重建与生成 → 4.3 让 AI"想"出三维：SDS 蒸馏与原生三维生成 → 4.4 纹理与多视角一致性 → 4.5 拓扑 · 面数 · UV · PBR → 4.6 导出、交接与检查清单 → 4.7 工具地图 → 4.8 失败诊所 → 4.9 动手实践 → 4.10 关键概念表 → 4.11 课程思政 → 4.12 本章产出与下一站。
与前一章的关系：第 2 章你做的是"平面上的画面"，第 3 章让它动了起来；这一章要把画面变成有体积、可旋转、能被摆进场景的东西——第 7 章搭夜江场景时的每一件道具，都要从这一章的产出里来。
4.1三维数据在计算机里长什么样：表征家族
先解决一个最基础、也最容易被跳过的困惑：计算机里根本没有"立体"这个东西。屏幕是平的、显存是线性的、文件是字节的。所谓"三维模型"，只是用一种数据结构去描述一件东西的形状，再由渲染器把这份描述"翻译"成平面图像给你看。用什么数据结构去描述形状，就是本章的第一个核心概念：三维表征（3D representation）。
你可能会想：那还不简单，把形状直接记下来不就完了？问题在于"形状"这个东西太自由了——它可以是一个光滑的球，也可以是一片薄到几乎不存在的树叶，还可以是一团烟雾、一件镂空的铜器、一栋内部有房间的建筑。没有哪一种记录方式能同时把这些都记好。业界主流的六种表征，各自擅长一部分、吃亏一部分。记住这个结论：不存在"最好的三维表征"，只存在"对某个用途最划算的表征"——这个认知，比记住六个名词重要得多。
下面把六种表征逐个讲清楚。每一段都按同一个套路：它是什么 → 像什么 → 为什么有人用它 → 它吃亏在哪 → 在你的短片项目里什么时候会遇到它。
点云：把形状记成"一堆点"
点云（point cloud）是最直觉的一种：在物体表面撒一把"没有体积的点"，每个点记录自己的三维坐标，还可以顺带带颜色、法线方向等信息。激光雷达、深度相机、摄影测量软件输出的第一份成果往往就是点云。
它的好处是"采集即所得"——扫一圈，点云就有了，不需要任何拓扑结构。它的麻烦也来自同一处：点与点之间没有任何连接关系。计算机不知道哪些点是"同一个面的邻居"，所以渲染时你看到的是无数小点；点不够密，物体上就会出现空洞；想把它变成能放进引擎的东西，通常还得走一步"把点连成面"。另一个工程麻烦是稀疏且不规则——想高效渲染与压缩，往往要做复杂的预处理。这也是第 7 章拼场景时会遇到的现实问题。
在课程里，点云最可能出现的位置是"扫描复刻"环节：小舟如果想用手机把一座真实的石桥扫下来，得到的第一份数据就是点云。
网格：把形状记成"一张张三角形的小板"
网格（mesh）是当下最主流、也是你将来打交道最多的一种表征。它的思路是：用许多小平面把物体表面"蒙"起来。每个面通常由三个顶点组成一个三角形（也有四边形），顶点被相邻的面共享。于是"形状"变成了三份清单：顶点表（有哪些点、坐标各是多少）、面表（哪几个点连成一个面）、顶点属性（法线方向、UV 坐标等）。
为什么它是主流？因为工程生态最完整：内存高效、GPU 光栅化渲染极快、几乎所有建模、动画、雕刻、游戏引擎工具链都为它而建，格式标准也最成熟（.obj、.fbx、.glb）。
它吃亏的地方同样清楚：第一，它要求"干净的几何"——如果网格里有空洞、有内外穿插的面、有反了的法线，很多下游工序会直接出错；第二，精度是靠"堆面数"换来的，越精细越费内存与算力；第三，模糊或透明的区域（火焰、薄纱、玻璃）用面片很难表达好；第四，它天然不带"视角相关效果"（比如丝绸随角度变化的光泽），需要额外的贴图技术来补。
一句话总结它在本书里的地位：AI 生成的最终交付形态，通常就是网格——你在网页工具里点"导出"，拿到的基本都是网格文件。因此本章后半部分几乎都在讲"怎么把一个 AI 生成的网格，修成能用的网格"。
体素：把形状记成"一堆同样大小的方块"
体素（voxel）是三维版的像素：把空间切成一张规则的立体方格网，每个小格记录"这里是实体还是空的"（也可以记录颜色、材质等）。你可以把它想成"用同样大小的方块填满一块豆腐"——内部与外部的区别天然被表达出来了。医学影像（CT、MRI）的处理、体积雾与参与介质的建模，都是它的传统地盘。
它的致命伤可以用一道小学算术说清：边长减半，方块总数变成 8 倍。分辨率稍微提一档，数据量就爆炸；而空间里大部分格子其实是空的（物体只占一小部分表面附近），这些空格子是纯粹的冗余。此外，方块只能表达方块，表面看起来会有明显的"块状伪影"，想要光滑还得靠插值或后续的表面提取。
体素在本章的重要性不在"直接用"，而在"间接用"：它是很多现代方法（稀疏体素、混合表征）的内部工作格式，也是你理解"分辨率为什么会吃内存"的第一课。
把一块 1 米见方的立方体切成小方格，如果每边切 n 段，总格数就是 n×n×n。这是三维与二维最根本的不同：二维是平方增长（每条边翻倍，总面积变 4 倍），三维是立方增长（每条边翻倍，总体量变 8 倍）。
这个 n³ 不只是"内存问题"，它决定了一整条技术路线的命运：为什么体素方法长期只能做小分辨率？为什么要发明"稀疏体素"（只记录表面附近的格子）与"八叉树"（空的地方用大格子概括）？为什么"隐式场"看起来优雅——它用一组参数而不是一堆格子描述连续表面，天然绕开了 n³？你在 4.3 节会看到，2026 年一批领先的原生三维生成模型，恰恰是在"稀疏 + 层次化"这条路线上取得突破的。
隐式场与 SDF：把形状记成"一张离表面多远的隐形标尺"
隐式场（implicit field）的思路完全反过来：不记录"表面在哪里"，而是记录"空间里每一个位置，距离表面有多远、是在里面还是在外面"。最常用的具体形式是有符号距离场（signed distance field，SDF）：给空间每个位置一个数——在物体外部是"到表面的距离"（正数），在内部是"到表面的负距离"，恰好落在表面上就是 0。于是表面被定义成"所有函数值等于 0 的位置的集合"，这条界线在数学上叫等值面。
它的迷人之处在于"光滑"与"可运算"：因为描述表面的是一个连续函数，它天然光滑、没有锯齿；而且两个形状可以做布尔运算（取并集、交集、差集）——"在楼台上开一个门洞"在隐式场里就是两个场做一次数学运算。它数值上也稳定，适合多视图融合与实时建图；NeuS、VolSDF 这类方法能用隐式场做高精度表面重建，最后用 marching cubes（行进立方体，一种把隐式场转成三角网格的经典算法）把等值面"提取"成网格。
代价有两条：一是"看不见"——隐式场本身没有可视化形态，要看到它必须先把空间离散化、取样，再提取表面，这一步在高分辨率下存储与算力开销极高；二是渲染方式慢——体积渲染要沿光线一步步前进（后文 NeRF 会细讲），在边缘设备上很难跑到交互帧率。所以它更适合"高精度重建与分析"，而不是"游戏里实时跑的场景"。
课程情境：小舟要做一个"从几十张照片重建的楼台"，重建算法内部很可能就是隐式场；但他最终拿去用的，一定是它提取出来的网格。
神经辐射场 NeRF：换一个问题问"这里是什么"
神经辐射场（neural radiance field，NeRF）是 2020 年之后最有影响的一类三维表示。它的想法很别致：不去描述"表面在哪里"，而是回答"沿着某条视线看过去，你看到什么颜色"。
具体做法：训练一个小型神经网络，输入是"空间中的一个位置 + 一个观察方向"，输出是"这里的体密度（有多不透明）与颜色"。渲染一张图时，把相机出发的每条光线当成一条射线，在射线上密密麻麻采样若干点，每个点都去问一次神经网络，再把沿途采到的颜色与密度按权重累积起来，就得到这个像素的颜色。训练方式是：从多张已知相机位置的照片出发，让渲染结果与真实照片一致，反向修正网络参数——直到这个"可查询的场"能重现所有视角的观感为止。
它的优势很迷人：视觉保真度高，还能表达"视角相关外观"（同一处表面，换个角度看颜色会变——这正是金属、丝绸、漆器这类材质的真实行为），连毛发、软阴影这类细节都能捕捉。纯 MLP 版本模型也很紧凑。而 2022 年之后的 Instant-NGP 用哈希网格加速，把训练从数小时压到秒或分钟级，并支持实时渲染。
NeRF 的短板几乎与它的优点对称：训练与推理昂贵（原生版本训练要数小时）；难编辑——因为它把所有东西揉进了一个神经网络，想"把楼台移走"往往只能重新训练；渲染慢；而且它没有显式的表面几何，游戏引擎拿不到"可碰撞的墙面"，物理系统不知道哪里能走、哪里会撞。业界对它的普遍定位是：离线或分阶段的工具，不适合实时 SLAM、机载避障或亚秒级更新的场景。混合结构（显式体素、哈希、点结构）能大幅加速，但在大场景下又容易把内存撑爆。
三维高斯泼溅 3DGS：一团团会渲染的"彩色棉花糖"
三维高斯泼溅（3D Gaussian Splatting，3DGS）是 2023 年之后迅速走红的一类表示。它从一个非常务实的问题出发：既然要从照片重建场景，渲染要快、训练也要快，那能不能不用神经网络、直接摆一堆"半透明的彩色小球"？
它用成千上万个"三维高斯"来代表场景——你可以先粗略地理解成一个个位置、朝向、大小各不相同、还半透明的椭球云团。每个云团有自己的颜色、透明度、空间姿态；渲染时把它们"泼溅"（splatting）到屏幕上叠加成画面。它的优点非常诱人：桌面 GPU 上能做到 100 帧以上实时渲染，训练速度快（与 Instant-NGP 相当），而且因为是显式的（一堆有参数的对象），可以做剪枝、变换、合并等"可编辑"的操作。
它的短板同样鲜明：会产生悬浮物（floaters）——飘在空中的半透明团块；表面质量也常被诟病。一项 2026 年的跨表征标准化对比给出了一句相当刺耳的结论：非结构化的 3DGS 视觉分数最高，底层几何却最差；而带显式空间结构的技术（体素、混合体素-高斯）在拓扑连贯性与抑制悬浮伪影上明显更好。此外，高斯图元数量常达十万到千万级，存储随数量增长。
还有一个正在发生的变化值得知道：3DGS 正在被"标准化"。据检索到的信息，OpenUSD 已批准高斯泼溅支持，Khronos 也提出了 glTF 的候选扩展（KHR_gaussian_splatting），互操作性正在改善（覆盖 Vision Pro、Omniverse 与主流引擎）。对创作者而言，这意味着 3DGS 不再只是"实验室玩具"，而可能成为资产交付的一等公民。同时也要知道它的另一面：GS 的专业服务成本目前约为标准摄影测量费率的 1.5 倍。
| 表征 | 一句话定位 | 主要优势 | 主要劣势 | 典型用途 |
|---|---|---|---|---|
| 点云 point cloud | 一堆带坐标的点 | 结构简单、采集端直接产出、每点可带颜色与法向 | 无连接关系与拓扑；渲染有空洞；稀疏不规则，压缩与高效渲染要复杂预处理 | 扫描第一步、测量、体积计算 |
| 网格 mesh | 三角形拼成的外壳 | 内存高效、渲染快、工具链最成熟、格式标准、能绑骨骼 | 需要干净几何；精度靠堆面数；动态拓扑一致性难维护；模糊与透明区域表现差 | 游戏、动画、影视、3D 打印 |
| 体素 voxel | 同样大小的立体方块 | 天然表达内部与体积结构，处理简单 | 存储随分辨率三次方增长；稀疏区域冗余巨大；块状伪影 | 医学影像、体素美术、内部结构建模 |
| 隐式场 / SDF implicit field | 一张"距表面多远"的连续函数 | 表面光滑连续、拓扑灵活、可做布尔运算、数值稳定、支持精确表面重建 | 存储与可视化必须离散化取样；高分辨率成本极高；体积渲染难达交互帧率 | 高精度重建、逆向工程、布尔造型 |
| 神经辐射场 NeRF | 沿视线查询的"可渲染函数" | 视觉保真度高、含视角相关外观、能捕捉细节、从多视角照片学习 | 训练与推理昂贵、难编辑（须重训）、体积光线步进慢、无显式碰撞几何 | 离线高真实感重建、虚拟导览、展示 |
| 三维高斯泼溅 3DGS | 一团团半透明椭球 | 实时渲染（桌面 GPU 100+ FPS）、训练快、显式可编辑（剪枝 / 变换 / 合并） | 悬浮物与表面质量问题；存储随高斯数量增长（常 10 万–1000 万）；几何不可直接使用 | 照片级真实场景、网页嵌入、虚拟导览 |
把这张表再往上一层看，一项 2026 年的跨表征标准化对比（覆盖摄影测量、纯 SDF、非结构化 3DGS、混合体素-高斯、显式稀疏体素五套框架）给出了几条很有价值的结论，值得你记住：
- 传统摄影测量的几何精度最高（因为它强制多视角的刚性几何约束），但在没有纹理的区域会失败——白墙、纯色桌面这类"看起来没东西"的地方最容易出错。
- 渲染类方法里，非结构化 3DGS 视觉分数最高、几何最差；带显式结构的技术（体素、混合体素-高斯）在拓扑连贯性和抑制悬浮伪影上明显更好。
- 结构化体素还能避开"从混乱无组织的图元里提取几何"带来的严重内存瓶颈。研究者的结论是：把显式空间结构整合进可微渲染管线，对"可扩展 + 几何准确"的大规模重建非常重要。
- 再加一条"时间维度"：4DGS 在 3DGS 上增加时间维，时序一致性强、压缩高效、支持流式重建，但形变处理复杂、内存开销高。
还有一组"管线与集成"的差异，解释了三者在实际生产中的区别——它回答的是"我要用它，得先做多少准备、之后能改多少"：网格的预处理要经过摄影测量式的完整链条（相机标定 → 稠密点云 → 网格化），建模人工量最大，但可编辑性最好、引擎与 XR 集成完全支持，只是照片真实感是"中到高"（它没有视角相关效果）。3DGS 的预处理轻得多（只需稀疏点云），几乎不需要人工，照片真实感高到极高，可编辑性中等（在"泼溅"这一层级上改），进引擎要靠自定义着色器。NeRF 预处理最轻，几乎不用人工，真实感也高，但可编辑性最低（基本等于重训），而且引擎不直接支持——它没有显式表面，物理与碰撞无从谈起。这句话你可以当作选型的第一原则：要"能撞、能走、能被摆"的场景，用网格；要"看起来真"的背景，才考虑 NeRF 或 3DGS。
面对一个任务，先问三句话再选表征：① 它需要"能交互"吗（碰撞、绑骨骼、被物理系统处理）？需要 → 网格。② 它更需要"看起来真"还是"量得准"？看起来真 → NeRF / 3DGS；量得准 → 摄影测量或 SDF 重建。③ 后面还要改吗？要改 → 显式表示（网格、点云、3DGS）；不用改只看 → 隐式与 NeRF 也可以接受。本书的贯穿项目是"能摆进场景、能出动画"的短片，因此每一件资产的最终形态都必须是网格——这是我们后面所有讨论的前提。
最后补一句"前瞻"：三维表征的研究并没有停在六选一。今天的前沿在做的，恰恰是把不同表征的优点拼起来——比如"3DGS + 网格"的混合表征（既能实时渲染照片级场景，又能导出可进引擎的网格），或者"稀疏体素 + 隐式解码"的组合。你会在 4.3 节看到，2026 年领先的原生三维生成模型，很多就建立在稀疏体素这一类显式结构上。表征的融合，是这一轮技术进步的一条暗线。
4.2两条来路：重建与生成
知道了三维"长什么样"，下一个问题是：它从哪来？追根究底只有两条来路——重建（reconstruction）与生成（generation）。这两条路经常被混为一谈，因为它们都用 GPU、都产出网格文件、都能在网页上转着看；但它们的输入、目标、评价标准、失败方式完全不同。把这条界线分清，你才能在选工具时不迷路。
4.2.1 重建：把真实世界里已经存在的东西"搬"进来
重建的输入是对一个真实物体的观测——一圈照片、一段环绕视频、几次激光扫描，甚至医院的 CT 序列。它的目标是：在计算机里复现这个真实存在的东西。它有"标准答案"——那个真实物体本身，所以它可以被客观地度量：几何误差多少毫米、渲染结果与照片差多少分贝。
传统重建的主力是摄影测量（photogrammetry，也叫运动恢复结构 + 多视图立体视觉，MVS）工艺：拍一圈照片 → 相机标定（算出每张照片拍摄时的位置与朝向）→ 稠密点云（算出表面每个点的三维坐标）→ 网格化（把点云连成面）。这套链条成熟、稳定、精度高——4.1 节提到的跨表征对比里，传统摄影测量的几何精度是全场最高的，因为它强制多视角的刚性几何约束，每个点都被多张照片"交叉验证"过。
它吃亏的地方同样明确：没有纹理的区域会失败。白墙、纯色桌面、抛光金属这类表面，算法找不到足够的特征点去"对上"，重建立刻出现空洞或起伏——这一条你务必记住，它是后面"缺陷诊所"里好几类问题的同源病因。此外，透明与反光物体（玻璃、镜面、水面）对摄影测量也是长期难题，因为它们的光学表现不符合"表面同一个点在任何视角下颜色相同"的假设。
AI 时代给重建加了两台"新引擎"：神经隐式场重建（NeuS、VolSDF 一类，把隐式场当成可优化的函数，训练完再提取表面）和三维高斯泼溅重建（3DGS，从照片直接摆出一团高斯）。它们把重建的"可处理场景"大幅拓宽——稀疏视角、弱纹理、遮挡区域都能恢复，视觉真实感也高。代价是：它们需要显式结构约束才能拿到干净、可编辑、可进引擎的几何；单纯的高斯云"看起来像"但"不给你墙面、不给碰撞"。还有一条前沿：4DGS 在 3DGS 上加了时间维，可以重建"会动的东西"（挥舞的手臂、流动的水面），时序一致性强、支持流式重建，但形变处理与内存开销都更重。
4.2.2 生成：造一个世界上原本没有的东西
生成的输入是"描述"——一段文字、一张参考图、一幅手绘；它的目标是：合成一个此前不存在的三维物体。注意这句话的分量：世界上没有一个"标准答案"能拿来对照。所以生成的评价标准天然是主观的——"看起来合理吗？""像不像提示词说的东西？""比例对不对？"这些判断要么靠人打分（人偏好类评测），要么靠模型打分（自动化指标），而 4.4 节你会看到，这两把尺子量的东西并不总是一回事。
生成的历史，其实是一部"信息不足时如何补脑"的历史。设想你只给 AI 一张楼的正面照片，要它产出完整的三维模型。正面照里根本没有背面的任何像素——AI 必须"猜"。那么它根据什么猜？根据它在海量数据里见过的所有楼。这与人类的行为一模一样：你从没去过那座楼，但你能凭经验想象"背面大概还有一面墙、还有窗"。这个类比就是理解生成的核心：生成模型的一切长处与短处，都来自"它见过什么"和"它没见够什么"。
拿到任务先问一句："世界上有这个东西吗？" 有，而且我能拍到它 → 走重建，你的敌人是"观测不足与噪声"。没有，或者拍不到 → 走生成，你的敌人是"模型没见过"。这条分界线，决定了你后面所有的质检动作该怎么做：重建的质检是"对表"（与真实物体比），生成的质检是"找茬"（凭常识找不合理处）。
| 维度 | 重建 reconstruction | 生成 generation |
|---|---|---|
| 输入 | 真实物体的多视角观测（照片 / 视频 / 扫描） | 描述（文字 / 参考图 / 手绘） |
| 目标 | 复现已存在的东西，越忠实越好 | 合成不存在的东西，越合理越好 |
| 有没有标准答案 | 有：真实物体本身 | 没有：只有"像不像 / 好不好"的主观判断 |
| 评价方式 | 几何误差、与照片的渲染一致性等客观指标 | 人偏好投票、自动化质量指标（两者会打架） |
| 典型失败 | 弱纹理处空洞、透明反光物体崩坏、遮挡区缺失 | 背面幻觉、多面神、面数膨胀、薄壳崩坏 |
4.2.3 中间的灰带：信息量决定你站在哪条路上
现实中两者的分界线并不像表格那么清爽，因为真正的裁判是"信息量"。给 AI 一百张环绕照片，它几乎不需要"想象"，重建就能解决；给 AI 一张正面照片，它必须大量"想象"，问题立刻变成生成问题。
这里藏着本章第一个原理性的关键点——单视图的欠定性。研究者对"只给一张正面图，模型为什么必然搞错背面"做过形式化分析：单视图条件本身就不足以确定背面的几何，这不是某个模型的 bug，而是问题的数学性质。有研究用视觉语言模型往生成流程里注入"常识"来改善背面结构，把背面几何的 Chamfer 一致性最多提高了约 37.2%——注意这个数字的含义：注入知识有效，但达不到完美，因为知识再多也变不出观测。你会在 4.8 节看到这类误差在真实工具里的样子：从单张正面图生成的物件，背面常常"糊成一团"或"长出不该有的结构"，社区里把这类产物叫作模型的"隐藏伪影"。
于是"中间地带"的工程策略就清晰了：能多给一个视角，就多给一个视角。同一个工具，给它一张正面图与给它"正面 + 侧面 + 背面三张图"，输出质量的差距常常大过一个工具的换代差距。这也是本章实践环节的第一条纪律：生成前先问"我手上有几个视角"，而不是先挑工具。
贯穿项目里的三个道具，恰好落在谱系的不同位置，小舟他们的选择也就自然分开了：楼台——"唐代临江楼台"世界上并不存在确切的对应物，走文字生成；扁舟——第 2 章已经画出了水墨风格的分镜，小月又从参考里挑了一张侧视角度最清楚的画面，走图像生成；而檐角那一尊小石狮，如果用手机围着真实雕塑拍一圈，就是一次标准的重建。至于玉盘——一个光滑的圆盘——根本不必生成，见 4.9 节的实践二，那里藏着一个"不要什么都交给 AI"的反向教学点。
4.3让 AI"想"出三维：从 SDS 蒸馏到原生三维
4.2 节讲了"生成"是什么，这一节要回答"生成是怎么做到的"。这条路线上有一段非常精彩的技术史：短短四年，业界换了两次底层范式。理解了这两次换档，你对任何"AI 生成三维"工具的判断力都会高一个层次——因为它们的短板、速度、可用性，全部继承自它们所走的那条路线。
4.3.1 第一次换档：用 2D 模型当"老师"——SDS 蒸馏
2022 年前后，二维图像生成模型（第 2 章的主题）已经能"听懂人话画画"了。一个顺理成章的念头出现了：二维模型懂那么多，能不能把它的知识"蒸馏"给三维？
分数蒸馏采样（score distillation sampling，SDS）就是这套思路的代表。它的流程像一场"雕塑家与评委"的循环，理解它只需要看懂四步：
- 先捏一个坯子。随机初始化一个三维表示——原始版本用的是 NeRF（一个随机初始化的神经辐射场）。
- 从随机视角"拍一张照片"。把这个三维表示渲染成一张二维图。
- 请二维扩散模型当评委。把渲染图与提示词一起交给预训练的二维扩散模型，让它判断："这像不像'一只柯基'？该往哪个方向改才更像？"扩散模型给出的是一个"梯度的方向"，也就是"这样改会更像"的信号。
- 按评委意见改坯子。把这份"二维的修改意见"翻译成对三维表示的参数更新——分数蒸馏采样——然后回到第 2 步，换一个新视角再来一遍。循环几百上千次，坯子逐渐长成评委认可的模样。
SDS 有一个足以写进教科书的名字来源：DreamFusion，2022 年提出。它的历史地位在于"第一次证明了：不需要任何三维训练数据，仅靠二维生成模型，就能造出三维物体"。这在当时非常震撼。但它也让所有人看清了这条路的天花板。
第一类问题：多面神。因为你让二维评委每张图分开打分，它从不检查"正面的狗和背面的狗是不是同一只"。于是模型学到的东西很可能变成：每个方向看过去都像一只完整的狗脸——转一圈，长着三张脸。这个现象用罗马神话里双面的门神雅努斯命名，叫多面神问题（Janus problem）。它是背面幻觉的"近亲"：两者的根源相同——二维监督信号不包含"三维自洽"这一要求。
第二类问题：慢。最初的 DreamFusion 生成一个三维模型要约 6 个 TPU 小时——不是六分钟，是六个小时。同期把它加速的 Magic3D 降到了约 5.3 个 A100 小时，依然是"睡一觉再来看"的量级。对研究者，这是可以忍受的；对"给短片赶工的小组"，这是不可接受的。整个 SDS 生态后面大量的精力都花在提速上：TP-SDS、DreamFlow、PFD 这类改进让蒸馏速度提升了约 3.3–4.8 倍（如 DreamPropeller 约 3.28 倍），也有一批工作（Gsgen、Magic123）把坯子从 NeRF 换成 3DGS 来加速渲染侧。速度确实改善，但"小时级"与"秒级"之间的鸿沟并没有被填平。
第三类问题：监督失配与分布外输入。评委是在"互联网二维图片"上训练的。它觉得"好看"的东西，不一定在三维上成立：一根细杆在它的认知里可以悬空、一片薄布可以无厚度。而当你要生成的东西超出它的经验（现实中少见的机械结构、特殊的榫卯、某种只在本地见过的器物），它给出的"修改意见"就更容易跑偏。用报告里的话说：SDS 的问题可以归纳为收敛缓慢、监督信号失配、与训练分布外的输入三类——三类都源自同一个事实：二维老师教不出三维的严格自洽。
| 代表工作 | 核心改进 | 生成耗时（代表性报告） | 质量参考（3D-FID） | 多面神比例（评测口径） |
|---|---|---|---|---|
| DreamFusion（2022） | 首次提出 SDS：用 2D 扩散模型蒸馏出三维 | 约 6 TPU 小时 | — | 约 35.71% |
| Magic3D | 粗到细的两阶段：先粗网格再精修 | 约 5.3 A100 小时 | 75.96 | — |
| ProlificDreamer | 改用变分分数蒸馏（VSD）缓解过饱和与过平滑 | 仍为小时级 | 58.75（越低越好） | 约 40.00% |
把这些数字放在一起看，一个结论不言自明：SDS 的改进是真实的，但它作为"生产工具"的气质没有变——慢、易幻觉、几何质量不稳定。它是三维生成史上绕不过去的里程碑，却不是小舟今晚要用的工具。注意表里那个耐人寻味的事实：换用 VSD 后质量指标明显改善，多面神比例却没有自动消失——这再次证明"二维好看"和"三维自洽"是两把尺子。本章后面的失败诊所会反复回到这个主题。
4.3.2 第二次换档：原生三维生成——直接在三维里"砌"
2024 年之后，路线换了。新思路不再"用二维老师教三维学生"，而是直接训练懂三维的大模型：把三维数据切成"积木"（结构化潜变量），让模型学会"哪些积木该拼在一起"，然后像第 2 章讲画图那样，从噪声出发一步步"去噪"出这些积木，最后解码成网格。这条路叫原生三维生成。
它的关键突破点有三个，值得逐个弄明白——它们解释了为什么这条路能"秒级出模"：
- 把三维切成"够小又够用"的积木。在 1024³ 这样高的分辨率上，如果把每个格子的状态都当成 token 交给 Transformer，序列长度会爆炸（有稀疏表示在同样分辨率下要处理约 22.5 万个 token）。解法是学一个"压缩器"：例如 TRELLIS.2 的 SC-VAE 把 1024³ 的分辨率做 16 倍下采样，压缩到约 9,600 个 token——降了两个数量级。序列短了，注意力机制才跑得动。
- 用能扛任意拓扑的表示。老式体素只能表达"方块"，遇到开放曲面、非流形结构、带内部空腔的物体就露怯。新方法用稀疏的、贴着表面的结构化体素（如 TRELLIS.2 的 O-Voxel），只记录表面附近的信息，能表达开放面、非流形与封闭体等任意拓扑。
- 用生成式大模型"去噪"出积木。主体是一个多段式的流匹配 Transformer：TRELLIS.2 的做法是三个各约 13 亿参数 的阶段，由粗到细逐步生成。流匹配（flow matching）与扩散模型是同一族思路——从噪声出发、一步步"搬"到目标分布。
以 TRELLIS.2 为代表的新一代模型有多能打？把它公开的关键数据摆出来：约 40 亿参数；输出是带 PBR 材质的 GLB（可直接进引擎打光）；采用 MIT 许可（开源协议宽松，商用友好——对照 4.11 节你会看到，这在同行里并不常见）；全表面检验的 F1 达到 0.971（上一代 TRELLIS 仅 0.074，这是一个数量级以上的跨越）；法线方向的 PSNR 达到 43.11 / 35.26 分贝（越高越好）；用户偏好测试中拿到 66.5% / 69.0% 的胜率。代价是需要 NVIDIA 显卡且显存不低于 24GB——这条硬件门槛意味着小组里"笔记本电脑本地跑"基本出局，要么用在线工具，要么租云 GPU。
不过要给你一句研究视角的提醒（这条判断来自本地研究报告，请把它和厂商的宣传语区分开）：TRELLIS.2 是 2026 年被"最广泛复用"的三维生成骨干，但"公认最强"这类说法是被夸大的——同期的混元 3D 系列是完全平行的另一条骨干家族，两者各有拥趸，选择取决于场景与许可条件，而不是一个排行榜。研究者还指出：2024–2026 的另一个方向是融合——一批新工作（Mix3R、RecGen3D、Pixal3D 等）反过来从重建领域"借"机制（多视角约束、几何先验），说明"生成"与"重建"两条河正在汇合。这印证了本章 4.1 的立场：表征与方法都在向"取长补短"演化，不要押注单一教条。
| 模型 | 路线与规模 | 关键能力 | 使用门槛 / 备注 |
|---|---|---|---|
| TRELLIS.2 | 结构化潜变量 + 稀疏体素（O-Voxel），约 4B 参数 | 任意拓扑、PBR GLB 输出、H100 上 1024³ 约 17 秒、MIT 许可 | 需 NVIDIA ≥ 24GB 显存；适合自建管线的小组 |
| 混元 3D 3.1 | 腾讯出品，云服务为主 | 每日 20 次免费生成、默认导出 GLB、面数可配置（约 5 万–150 万）、水密参数可选 | 云 API 有免费积分额度；注意许可条款（见 4.11） |
| 混元 3D 2.1（开源版） | 两段式：Shape 3.3B + Paint 2B | 本地可跑：形状约需 10GB 显存、贴图约需 21GB 显存 | 腾讯社区许可（非 MIT）；下载量巨大，社区生态活跃 |
| Tripo Algorithm 3.1 | 超 2000 亿参数（厂商口径） | 导出格式最全（OBJ/FBX/GLB/GLTF/USD/USDZ/STL/3MF）、最高 200 万多边形、8K 贴图、Turbo 约 10 秒 | 免费额度各来源说法不一（200 或 300 积分/月，见 4.7）；免费层输出 CC BY 4.0 |
| Rodin Gen-2 / Gen-2.5 | 10B 参数级（Gen-2） | 面向游戏与工业；4K PBR；千万级多边形上限 | 免费生成、付费下载；强制 T/A-pose；STL 通常需修复 |
| Meshy 6 | 面向 3D 打印与游戏的两条产线 | 原生四边形重拓扑；水密几何宣称约 97% 通过切片器；默认约 3 万面 | 免费 100 积分/月（CC BY 4.0 需署名）、每月 10 次下载 |
把这一节收拢成一段给创作者的话：SDS 教会了业界"三维可以无中生有"，原生三维教会了业界"无中生有可以又快又好"。但两次换档都没有解决一件事——模型只会按它见过的分布做事。这意味着你完全可以用今天的工具在几十秒内得到一个"第一眼惊艳"的模型，也意味着你必须学会 4.8 节那一整套"找茬"的本事，否则你会把幻觉当成作品、把 50 万面当成细节、把预览图当成成品。技术越强，质检越贵——这是本章最想刻进你肌肉记忆的一句话。
4.4纹理与多视角一致性：为什么"正面好看"不可信
到这里，你的模型已经有了"形状"。但对创作者来说，形状只算完成了一半——观众看到的是颜色、质感与光，不是线框。给模型"穿上皮肤"这一步叫纹理（texture），它听起来像收尾的美工活，实际上是三维生成里最容易翻车的一段。为什么？因为纹理比几何多背了一个任务：它不仅要"对"，还要在所有视角下同时对。
4.4.1 纹理从哪来：三条路
今天的三维工具给模型"上皮肤"主要有三条技术路线，你认得出它们，就能预判各自的毛病出在哪：
- 联合生成。原生三维模型在生成几何的同时，一并解码出材质——上一节的 TRELLIS.2 输出的就是"带 PBR 材质的 GLB"。这条路最省事，几何与贴图出自同一次推断，天然自洽；缺点是贴图的分辨率与风格上限受模型控制，不是你想改就能改。
- 先白模，后投影。先生成无纹理的"白模"，再从多个视角渲染它、用二维生成模型逐视角补画颜色，最后把各视角的颜色反投影并烘焙回三维表面。技术上灵活，可以用第 2 章的图像模型资源来"画皮"；风险也集中在这一步：不同视角的图像并不总是互相一致，重投影时会在接缝处出现色差、错位、拖影。
- 图生三维自带纹理。你给的那张参考图本身就带颜色，工具把它"贴"到推断出的几何上。这条路的问题最直白：参考图只有一面，其余各面的颜色全靠模型脑补——于是"正面是青瓦、背面糊成一片灰"就成了高发缺陷。
| 路线 | 大致做法 | 优势 | 软肋（质检时重点看） |
|---|---|---|---|
| 联合生成 | 几何与材质在同一次推断中解码（如 PBR GLB 直出） | 几何贴图自洽、交钥匙式产出 | 分辨率与风格受模型约束；纹理细节可能偏"平均脸" |
| 先白模、后投影 | 多视角渲染 → 逐视角上色 → 反投影烘焙回三维 | 可借用二维图像模型的强大画风 | 视角间不一致会在接缝处暴露；拖影、错位、色差 |
| 图生三维自带纹理 | 参考图的颜色投影到推断出的几何上 | 一键完成，风格忠实于参考图 | 只看过一面：背面颜色与细节靠猜 |
4.4.2 被"烤"进贴图的光：一个物理直觉
在深入质检之前，先建立一个物理直觉，它能解释"为什么 AI 纹理总有点怪"。你看到的物体外观，从来不是一个纯粹的属性，而是三样东西相乘的结果：
问题在于：一张照片记录的只是"乘积"，而我们要的材质是"被乘数"。同一个乘积有无穷多种拆法——"一块深灰的板被强光照亮"和"一块浅灰的板处于半暗中"可以给出完全一样的像素。AI 从图片里学材质，就像一个人只看过"穿上衣服的照片"去猜"本人的身材"：它可以猜得很好，也可能把阴影当成颜色、把高光当成图案，永久地"烤"进贴图里。研究者把这类问题归纳为"材质、光照与几何未被解耦"：模型的输入是观测值，而它需要的是成分值；更麻烦的是，它还会把训练图片所在渲染器的"风格偏好"一并学走——同一件 AI 生成的物体在 A 引擎里看着正常，换到 B 引擎里因为光照模型不同而显得"脏"或"糊"。
更糟的情形是：模型把"光照"当成了"物体的一部分"。生成一个"夕阳中的楼台"，它可能把暖橙色的光直接涂进青瓦的贴图里。你把模型摆到夜景的蓝光下，瓦片依然泛着夕阳色——因为那不是光，是它长在皮肤上的颜色。这就是为什么"材质要与光照解耦"是专业流程的一条铁律：贴图负责"它是什么颜色"，引擎负责"光怎么照它"；两者混在一起，模型就失去了"能被重新打光"的能力。
4.4.3 多视角一致性：背面幻觉的数据根因
现在回到本章开头小舟遇到的怪事：为什么模型正面像模像样，背面总是出事？这不是偶然，研究界已经把它追到了源头——数据。
有研究者用大规模图文数据集抽查后发现一个系统性偏差：互联网图片里，物体的正面被反复拍摄、大量出现；侧面特别是背面的图片则严重不足。想想你自己拍照的习惯就很明白——摆好姿势的是正面，风景里最常见的是你能看到的那些面。于是训练出来的模型自然"正面见得多、背面见不够"。这份偏斜的数据分布，会通过两条渠道放大到你的结果里：走 SDS 路线时，二维评委只在它见过的角度上可靠；走原生三维路线时，编码器同样把这份"正面丰盛、背面贫瘠"的先验带进了几何推断。研究者的结论毫不留情：现有各种缓解手段（多视角输入、人工修补）都停留在采样与推理环节，没有任何方法改变了数据分布的根因。
这个根因开出的"症状清单"，你应该能一眼认出：第一，背面几何糊成一团——不是没算，而是没有"见过"参照，只能泛泛而填；第二，背面长出多余结构——如把侧面的带子延续成"两条背带"；第三，也是最容易在质检时抓到的——背面出现了正面才该有的东西，社区案例里记录过"后视图里错误地出现人脸""背面的花纹是正面花纹的镜像复制"这类典型错误。研究者用形式化方法分析过单视图条件下的歧义，结论与 4.2 节一致：信息不足的地方，模型只能"以偏概全"，而它见过的"全"本身也是偏的。
同一份数据偏差还会在纹理上留痕：同一块布面在不同角度下颜色微微"流动"（研究者称之为色偏伪影），或者纹理在接缝处错位——因为不同视角的颜色本来就来自不同次推断，重投影时谁也无法说服谁。
4.4.4 质检方法：用"环绕截图"替代"转着看看"
专业流程不会"转着看看觉得还行"就算过。可复制的方法叫多视角截图质检：把物体固定，相机以相等的角度间隔环绕一圈，逐张截下关键视角，逐张检查。它之所以有效，是因为它把"我看看"变成了"逐项核对"——盯着 8 张定格的图找缺陷，比拖着鼠标转圈找缺陷，发现率高得多。而且截图能留档：你会发现缺陷、定位缺陷、在修补后回归验证，全靠这一组截图。
为什么"背面重点盯防"值得写成纪律？因为一项大规模人评研究揭示了令人不安的事实：我们（包括专业评测平台上的玩家）在评三维模型时，很容易被"渲染方式与贴图"带跑。一份收集了 12.3 万余次投票、8,096 名用户、19 个模型的评测平台数据显示：同一批模型，用高斯泼溅渲染比用网格渲染平均高出 16.6 个 ELO 分；而"有贴图"比"没贴图"高出惊人的 144.1 个 ELO 分。研究者不客气地总结：人类在奖励渲染格式和贴图，而不是几何正确性。另一项缺陷评测里，研究者让 12 个视觉大模型充当"质检员"，最好的那个依然落后于经过训练的人类标注者。
这对你的直接启示有三条：第一，别用"带贴图的移动渲染"当验收标准——把贴图关掉、把线框打开，几何的真相才露出来；第二，在人评里"好看"与"正确"是两回事，答辩展示可以讲观感，交付验收必须讲几何；第三，既然 AI 质检员（视觉大模型）暂时顶不上人，"环绕截图 + 缺陷记录表"这套人工流程就不是笨办法，而是当前唯一可靠的流程。本书把"多视角质检记录"列入每个道具的交付物清单，理由就在这里。
| 检查项 | 看哪里 | 常见缺陷 | 判定与动作 |
|---|---|---|---|
| 背面结构 | 后侧 1–3 张截图 | 糊成一团、长出多余结构、正反面细节错置 | 轻微→标注留档；严重→补多视角输入重生成 |
| 轮廓完整性 | 全部 8 张 | 缺口、多余突起、悬浮碎片 | 悬浮碎片必删（后续会飞进画面） |
| 薄壁与镂空 | 薄板、檐口、栏杆处 | 破洞、双层壳、透过率不自然 | 破洞→补面；双层壳→交代为"已知缺陷" |
| 贴图接缝 | 纹理分界处 | 错位、拉伸、模糊、色差 | 记录接缝位置，修补时优先处理 |
| 颜色一致性 | 相邻视角对比 | 同一表面颜色"流动"、明暗跳变 | 明显者重做贴图；轻微者记录为"观感风险" |
| 材质活性 | 换光照再截一组 | 阴影与高光"焊"在贴图上、无法重新打光 | 判定为光照烘入，夜间场景慎用 |
| 比例与姿态 | 前侧对照截图 | 头身比失衡、姿态倾斜、轴线不水平 | 记录尺度数据，进引擎前校正 |
背景：小舟用第 2 章的水墨分镜画面做图生三维，得到一艘扁舟。正面视角惊为天人：船身弧线、篷顶的墨色渐变都在。
做法：按流程绕圈截了 8 张图。前侧 6 张全过，第 7 张（后侧）出现异常：船尾多出一支笔直的木桨，而分镜里根本没有桨——那是模型"见过"的其他船留下的经验，被一股脑补进了没有任何观测支撑的背面；同时篷顶贴图在后视角整体偏灰，与正面墨色对不上。
结果：小月没有一键重生成整艘船（心疼已经调好的正面），而是把多出的桨剪掉、补了背后一小块篷顶的面，重投影了后侧的贴图。返工 40 分钟，船留下了。
复盘：这艘船的教学价值大于成品价值——它让小组明白：背面缺陷不是"运气不好"，而是单视图输入的必然后果；而且"局部修补 + 记录在案"往往比"重新抽一次卡"更划算。缺陷记录表上这一条被命名为"无观测来源的多余结构"。
4.5拓扑、面数、UV 与 PBR：把模型"修成能用的样子"
从这一节开始，视角从"AI 怎么生成"切换到"你怎么接手"。生成模型交付给你的，是一件看起来对的物体；而工程链要的是一件结构上对的资产。这两者之间的差距，就是本节四个概念要补的课——它们也是行业面试里"懂不懂三维"的分水岭。请注意这四个词的共同点：它们在预览窗口里全都看不见。
4.5.1 拓扑：网格的"骨架排布"
拓扑（topology）说的是网格的"连接方式"——哪些顶点连着哪些面、面与面怎么排布。它不改变物体的外观（外形由顶点位置决定），却决定这件资产能不能被后续使用。
行业对"好拓扑"有几条硬标准，逐条讲：①流形（manifold）——一条边最多被两个面共享、没有悬空的边。非流形网格像一件"有裂缝的三合板"，3D 打印、布尔运算、物理模拟都会在裂缝处出问题。②水密（watertight）——网格完全封闭，像一只"不漏水的瓶子"。想打印它、想给它算体积、想让物理引擎判定"墙不可穿过"，都要水密。③四边形为主——由四个顶点组成的面（quad）在细分、雕刻、动画变形时的行为远好于三角形，所以绑定骨骼用的模型通常要"四边面化"。④边循环（edge loop）沿形变方向排布——肘关节、肩部这些要弯折的地方，面必须横着"圈"住关节，否则一弯就破。这一条在你做角色动画时（第 5、6 章）是生死线。⑤没有多余的内部面、没有 n-gon（超过四边的面）——它们会在打磨与导出环节制造意外。
来看看 AI 生成的网格为什么总在这几条上栽跟头。它们的几何多半来自"隐式场提取表面"的过程——用 marching cubes 之类的算法把一个连续场"切"成三角面。这类算法的产物有一个鲜明特征：成千上万个大小相近的三角形，像在表面撒了一层均匀的芝麻。研究者对 AI 网格的这句描述值得原文引用："这些网格通常带着数十万个近乎均匀的三角形——对渲染、编辑与动画管线而言都过于稠密"。均匀三角面本身不是罪；罪在它不沿形变方向排布、不照顾关节、还常常带着孔洞与非流形边。同一份研究同时给出了让你安心的一半：研究界也承认"非水密、非流形的网格在真实生产管线里依然是有效且有用的资产"——水密并非所有生产管线的统一门槛，而是取决于用途。判断标准是场景：要打印、要物理，就水密；只是摆景、只当远景道具，允许通融。
4.5.2 面数：一道预算题，不是一场军备竞赛
面数（poly count）是资产上三角形（或四边面折算成三角形）的总量。新手常犯的错误是"面数越多越好"——上了 AI 工具，看默认导出 20 万面，觉得赚了。真实世界里，面数是预算：场景的总算力、显存、加载时间都在预算里拨款，道具与道具之间是竞争关系。你给楼台多花 90% 的面数，等于从江水、灯笼、扁舟身上各砍一刀。
行业给出的经验区间（这些数字来自生产实践总结，可作为你们的起步档）：移动端背景道具约 200–1,500 个三角形；桌面端环境道具约 1,500–8,000；主角级道具 / 武器约 8,000–25,000；角色工作流的目标约 2 万面上下。而 AI 工具直出的网格常见在5 万到 50 万面之间——比"游戏就绪"的标准高出十几到几百倍。对照两个坐标你就懂了：Tripo 的 Smart Mesh 模式默认产出约 5,000 面的游戏就绪拓扑；而手工制作场景 vs AI 辅助场景的对照案例里（一个 n=1 的个别案例，不能当普遍规律），同一场景手工 123 件物体合计约 29.4 万三角形，AI 辅助 103 件物体合计约 3,278 万三角形——约 111 倍，也制造了后续的返工债。研究者对 AI 生成网格"过于稠密、不适合渲染编辑动画管线"的批评，数据上就是这么来的。
还有一个今年的重要变量：UE5 的 Nanite 这类虚拟几何技术大幅放宽了"面数"约束——几十万面的资产可以直出直用。但别高兴太早：放宽的是"渲染面数"，不是"结构要求"。拓扑依然要干净（否则 Nanite 聚类出错）、UV 依然要合理、贴图显存依然是更早撞上的天花板（在多数项目里，显存告急往往先于面数告急）。而在 UE5 之外的引擎、移动端、Web 端展示、3D 打印这些场景里，面数预算一分都没松。
面数预算还引出本章的一个新名词：细节层级（level of detail，LOD）。同一个道具通常要准备几个精度档：离镜头近时用高精度版本，中距离换中档，远处的路人与背景物件用最低档——引擎按距离自动切换，这就是"LOD 链"。为什么要提它？因为AI 工具导出的资产通常只有一档精度，而且缺少经过验证的 LOD 链（以及碰撞体，4.6 节细讲）。也就是说，"面数超标"只是第一层债，"没有分档方案"是第二层债——你不只要把面数压下来，还要为它规划"远看是什么样、近看是什么样"。这也是本章的实操检查表里"附加物"一栏永远存在的原因。
处理超标面数有两条路，必须分清：减面（decimation）是"机械删三角形"——快，但会破坏四边形、把排水口变成烂牙，只适合"再也不会被编辑"的成品。重拓扑（retopology）是"照原样重建一张好网格"——慢（一个中等道具手工约 30–60 分钟，一个角色约 2–4 小时），但得到的是能进管线、能绑骨、能交给下一环的资产。经验法则：素材级/远景用减面，主角级/要被动画的资产用重拓扑。不想全手工，可以用自动化工具起个头：QuadriFlow、Instant Meshes、ZRemesher 都能从稠密网格重新生成四边形为主的低模，随后人工收尾（哪里该加边循环、哪里该合并）。AI 工具自己也在补课——例如 Tripo 的 Smart Mesh 与 Meshy 的原生四边形重拓扑，目标就是"直出游戏就绪拓扑"。2026 年 1 月正式发布的 Meshy 6，把"原生四边形重拓扑"写进了产品能力，值得关注。
| 资产类别 | 三角形数量级 | 说明 |
|---|---|---|
| 移动端背景道具 | 200–1,500 | 远景物件、可批量实例化；面数就是电量 |
| 桌面端环境道具 | 1,500–8,000 | 本书短片的默认档：楼台、扁舟、灯笼都落在这一档 |
| 主角级道具 / 武器 | 8,000–25,000 | 会被镜头怼脸看的资产 |
| 角色（含绑骨） | 约 20,000 上下 | 需要边循环与干净拓扑，面数值可放宽、结构不可放宽 |
| AI 工具直出 | 50,000–500,000 | 比就绪标准高十几到几百倍；参考：Tripo Smart Mesh 默认约 5,000 面 |
| 方法 | 手段 | 耗时 | 产物质量 | 适用场景 |
|---|---|---|---|---|
| 减面（decimation） | 算法直接删三角形（保留形状的粗糙近似） | 秒级–分钟级 | 三角面、可能破四边结构、关节处不可用 | 远景、静态素材、不再编辑的成品 |
| 重拓扑（retopo） | 照原件重新描出四边形网格（自动工具起头 + 人工收尾） | 中等道具约 30–60 分钟；角色约 2–4 小时 | 四边形为主、有边循环、能绑骨、能进管线 | 主角资产、需要动画、需要长期维护 |
背景：本地研究报告记录了一次小规模对照实验：用同一美术方向制作同一个游戏场景，一组完全手工，一组让 AI 辅助生成各类物件。两组都被要求达到"可交付"的状态。
做法：清点两组的物件数量与三角形总量，并记录 AI 组后续的返工工时。
结果：手工组 123 件物体，合计约 29.4 万个三角形；AI 辅助组 103 件物体，合计约 3,278 万个三角形——总量相差约 111 倍，同时还积累了数百分钟（478 分钟）的返工债。
复盘：读这个案例要按住三件事：① 这是 n=1 的个案研究，不能推广成"AI 一定导致 111 倍膨胀"；② 它真正说明的是——AI 省下的是"从零建模"的工时，但如果不做减面/重拓扑，这部分成本并没有消失，只是转移成了"优化工时"和"运行时开销"；③ 因此"面数预算"必须写进你们的验收标准，而不是等场景卡了再补。它和 4.5.2 的预算表正好互为佐证：工具给你的是"未经协商的稠密几何"，而预算是你必须替项目把关的数字。
4.5.3 UV 展开：把三维的"皮肤"摊平成二维
贴图是一张平面图片，而模型是一层曲面——想让二者对上，必须先把曲面"剪开摊平"，建立"模型表面的每个点 ↔ 图片上的每个像素"的对应表。这份对应表就是 UV 坐标（U、V 是两个方向轴），这个裁剪摊平的过程叫 UV 展开（UV unwrapping）。
它像做一件玩具的"衣服纸样"：要把整张皮完美摊平是不可能的（球面无法不拉伸地展成平面，这是几何性质），所以必须在某些地方剪开。剪开的位置叫接缝（seam）。UV 展开的全部手艺都在这条接缝上：
- 接缝要藏在天然分界处。房檐、墙角、木纹方向的变化处——观众不会盯着那里找破绽。把接缝剪在瓦片正中央，纹理断开就会刺眼。
- 不许重叠。两个面共用同一块 UV 区域，贴图就会"互相涂抹"。AI 导出常见的 UV 混乱（重叠、压扁、极端拉伸）多源于自动展开工具在复杂拓扑上的失效——而复杂拓扑，正是 AI 直出的常态。这也是"先重拓扑、再展 UV"这条次序铁律的由来：在混乱拓扑上展 UV，等于在打结的毛线团上绣花。
- 留出边距。不同的 UV 块之间要留一点空隙（常见做法是几像素的 padding），否则贴图缩小时颜色会互相渗透。
- 纹素密度要匹配。纹素密度（texel density）指"模型上一个单位长度分摊多少贴图像素"，行业常用约 512 像素/米作为基准。同一场景里的物件密度差太大，就会出现"这件糊、那件锐"的穿帮——观众说不出哪里错，但能感觉到"不干净"。
AI 生成资产时，UV 往往是"顺带送"的：几万几十万面的拓扑直接自动展开，重叠与拉伸在所难免，贴图错位、糊斑通常都能在这里找到病根。修补时的正确顺序是：重拓扑 → 重新展 UV → 重投影或重画贴图——反过来做全部白费。
4.5.4 法线与烘焙：让低模穿上"高模的外套"
低模面少、轮廓糙，高模面多、细节足——能不能"看起来像高模、跑起来是低模"？可以，这就是法线贴图（normal map）的功劳。它的原理可以这样理解：模型表面的每个点都有一个朝向（法线方向），光照的明暗取决于这个朝向。法线贴图不改几何，只改每个点"看上去的朝向"——于是平面的地方能"画"出凹凸、螺丝能"长"在皮肤里，渲染成本几乎为零。
把高模细节"转移到"低模贴图上的工序叫烘焙（baking）：把低模与高模对齐叠放，逐个像素问"在这一点上，高模的法线朝向是什么"，写进贴图即可。烘焙也是"把程序化材质、光照信息、材质分区固化进贴图"的通用手法。这套技术在 AI 时代反而更重要了：AI 生成的模型面数巨大但结构混乱，专业流程常常是"把 AI 结果当高模，重拓扑出低模，再烘焙回细节"——AI 负责提供"像什么"，你负责提供"能用什么"。
4.5.5 PBR：材质不是"一个颜色"，是"一组通道"
PBR（physically based rendering，基于物理的渲染）是当代材质的通用语言。它的核心思想只有一句：用物理上讲得通的参数描述材质，让同一份材质在任何光照环境下都有正确表现。落到文件上，就是一组各管一件事的"通道"贴图。必须记住每个通道"是什么、谁来管、常见的错法"——这是导出环节 90% 事故的策源地。
| 通道 | 管什么 | 取值直觉 | 常见错法 |
|---|---|---|---|
| 反照率 / 基础色 albedo / base color | 材质"本体"的颜色 | 纯"颜色"，不含光效 | 把阴影、高光、环境光"烤"进颜色；文字与栏杆的对比度里混入光照 |
| 法线 normal | 每个像素"看上去"的朝向 | 紫蓝色的方向编码图 | 被当普通彩图处理（做了伽马校正）→ 光影全错 |
| 粗糙度 roughness | 表面多"哑" | 0 = 镜面；1 = 全哑光 | 与光泽度（glossiness / smoothness）混用而不取反 |
| 金属度 metallic | 材质是金属还是非金属 | 1 = 金属；0 = 绝缘体（木、石、布） | 取值"半金属"造成物理上不存在的材质 |
| 环境光遮蔽 AO | 凹陷处的柔和暗角 | 灰度图，越黑越"被挡" | 当阴影用、叠得过重导致"脏" |
| 高度 / 置换 height / displacement | 表面的起伏信息 | 灰度图，亮 = 高 | 开了置换却不加细分，表面"炸刺" |
这组通道多数遵循"金属-粗糙度工作流"（metallic-roughness）：把金属度与粗糙度打包进同一张图的不同通道，节省显存。打包方式在各大引擎里各不相同——这正是"导出事故"的高发区。请认真读表 4-10：同一个模型，在 Blender 里正常、到 Unity 里发粉、到 Unreal 里发灰，原因常常不是模型错了，而是通道的"装箱方式"与"色彩空间"约定没对上。
| 环境 | 粗糙度 / 光泽度 | 通道打包方式 | 要小心的坑 |
|---|---|---|---|
| Blender（Principled BSDF） | 直接有粗糙度输入 | 各通道分开接入，概念最直白 | 导出时按目标引擎打包，别把 Blender 的约定当通用 |
| Unity URP Lit | 暴露"光泽度 smoothness"＝1−粗糙度 | 金属度图：金属度 R 通道 / 平滑度 A 通道 | 从别的软件搬材质要先"取反"；不取反 → 粗糙物反光、金属发灰 |
| Unity HDRP | 掩码图 Mask Map 统管 | 金属度 R / AO G / 细节 B / 平滑度 A | 通道塞错位置，症状是"能渲染但全不对" |
| Unreal Engine | 独立连接粗糙度 | 通道分开；数据类贴图要关闭 sRGB | 法线/粗糙度/金属度被当色彩图做伽马校正 |
| glTF / Three.js（Web 端） | 粗糙度在图里 | 金属度 → 蓝色通道；粗糙度 → 绿色通道；AO 独立一张图取红色通道 | 手改通道顺序导致错位；Unity → glTF 的转换要注意平滑度取反 |
把这一节压成口诀再走：拓扑决定"能不能用"，面数决定"在预算里能不能用"，UV 决定"皮肤贴不贴得住"，PBR 决定"换到哪儿都不塌"。四件事在预览窗口里全都看不见，全部靠线框视图、UV 视图与平面贴图来找。到 4.9 节的实践里，你会第一次亲手把它们一件件查出来——那时你才会真正明白，为什么"出图好看"和"资产合格"之间隔着一整条产线。
4.6导出、交接与检查清单：让资产"能出货"
模型看顺眼了，缺口补了，面数也压了——最后一步是把文件"交出去"。老手都会告诉你一句话：“引擎导入决定资产能否出货。”注意这句话的狠处：决定资产命运的，不是预览窗口里它多好看，而是它在 Unity 或 Unreal 里被拖进去那一刻发生什么。一次失败的交接，能让前面所有的工作一秒作废。
好消息是，交接事故高度可预防。事实材料里有一条非常具体的经验结论：一张“导出前检查表”能捕获约 90% 会破坏 Unity / Unreal 导入的问题。这一节把这张检查表拆开讲清楚。先讲清楚"导出"到底在发生什么——你会发现，导出从来不是"保存文件"，而是把一种约定翻译成另一种约定；事故都发生在翻译的缝隙里。
4.6.1 格式：三种文件各司其职
你会在导出口看到一堆后缀名。不用全记，但要记住三种"主力"和它们的性格：
- OBJ：最老牌、最通用的几何交换格式。什么软件都认它，适合"把几何搬来搬去"；但它对 PBR 材质、动画、骨骼的支持都很弱——它不知道什么是"粗糙度"，也不会带你的骨骼动画。
- FBX：Autodesk 家族的格式，引擎工作流的事实标准。游戏引擎的资产管线十有八九绕着它转；它能装下网格、材质引用、骨骼与动画。缺点：是私有生态的产物，跨工具时偶有版本脾气。
- glTF / GLB：Khronos 组织维护的开放标准，专为“实时渲染传输”设计，对 PBR 材质原生友好，Web 端（如 Three.js）的默认选择。
.glb是它的二进制单文件版本——推荐把它当成跨工具交换的"友好默认"：讨论、评审、网页预览用它，最大概率“别人也打得开”。
此外还有两个经常出现但不是"主力交接"的格式：STL——3D 打印的行业通用（只有几何、没有颜色贴图，而且对水密要求苛刻）；USD / USDZ 与 3MF——前者来自影视与工业管线（AR 预览常见 USDZ），后者是带颜色的打印格式。看清一个工具的导出列表，你就能反推它想服务谁：一个只给 STL 的工具，是给打印机用的；一个给全套 OBJ/FBX/GLB/USD/USDZ/STL/3MF 的（比如 Tripo 这类导出格式最全的工具），是想同时服务游戏、工业与打印。
| 格式 | 装得下什么 | 谁在用 | 什么时候选它 |
|---|---|---|---|
| OBJ | 几何 + 简单材质引用 | 建模软件、雕刻软件之间搬几何 | 只要几何、跨软件兼容优先；不指望 PBR 与动画 |
| FBX | 网格 + 材质 + 骨骼 + 动画 | Unity / Unreal 的资产管线 | 进游戏引擎的"正经资产"，尤其要绑骨骼动画的 |
| glTF / GLB | PBR 材质 + 网格（可含动画） | Web 端（Three.js 等）、跨工具预览 | 讨论评审、网页展示、跨工具的"友好默认" |
| STL | 只有几何，无水密即失效 | 3D 打印（切片软件） | 要打印时；先过水密检查再导出 |
| USD / USDZ · 3MF | 场景描述 / 带色打印 | 影视工业管线 / AR / 彩色打印 | 进入更大的工业管线，或带颜色的打印 |
4.6.2 尺度、轴向与原点：三个不写在模型上、却最常炸掉的坑
这一小节的三件事，是"引擎导入陷阱"里的前三名，也是新手最容易忽略的——因为它们在预览窗口里统统看不出来。你看到的模型永远"站在原点、大小正好"，可一旦跨过软件边界，约定就变了：
① 尺度（单位）。不同软件对“1 个单位”的定义不同：Blender 与 Unity 习惯 1 单位 = 1 米，而 Unreal 的默认单位是厘米。一条 1.8 米高的横杆，用米制写成“1.8”，进了按厘米理解的软件就变成“1.8 厘米”——或者反过来，被放大 100 倍。事实材料把它列为“最常见的失败点”，并给出典型症状：100 倍的单位错配。小舟那个“楼台比桥大近百倍”的怪事，多半不是 AI 手滑，而是这 100 倍在交接时发生了。
② 轴向。三维世界有三根轴，但各家对“哪根朝上”的约定不一样：Blender 习惯 Z 轴朝上，而 Unity / Unreal 习惯 Y 轴朝上。差这一次旋转，模型进场时会"横着到达"——房子躺着、小人趴着。这正是开头那个“楼台躺在地上”的病因。
③ 变换与原点。如果你在建模软件里把模型移动、旋转、缩放过，但没有执行“应用变换”，导出的文件里就会带着一份“待价而沽的缩放数据”。事实材料的原话很生动：未应用的变换“到达 Unreal 会变成一个煎饼”——因为引擎按自己的方式解读了那份残留的缩放。同时，模型的原点（pivot，"旋转与摆放的把手"）该在哪，行业有约定：环境物件放底面中心（拖进场景就往地上放）、角色放在颈根/下巴附近（便于抬头低头与绑骨）。原点偏在角落里，就像"门把手长在门缝边"，摆放成为噩梦。
4.6.3 “确定性断言”：截图证明不了什么
你可能想说：我导入之后截个图，看起来对，不就行了？来学一个新词：确定性断言（deterministic assertion）——指的是“可以用程序判定真假”的检查，比如“缩放值是否等于 (1,1,1)”“非流形边的数量是否为零”“导出再导入一圈后顶点数与贴图是否一致”。与之相对的是"外观检查"：转盘截图、环绕预览——它能证明的只有画面看起来如何。
为什么非要较真？因为三维资产的大部分真实缺陷是"看不见"的：一个 100 倍缩放在小部件场景里看不出来（周围没有参照物），一次轴向旋转在对称的模型上可能看不出来，一个非流形边在光滑着色下根本看不出来——它们只在被使用的那一刻爆炸：绑骨骼时炸、物理碰撞时炸、打印切片时炸、灯光烘焙时炸。所以专业流程把"断言"前置：能写程序查的，绝不交给眼睛。事实材料还记录了一条更扎心的提醒：AI 工具导出的资产通常缺少经过验证的碰撞网格与 LOD 链——这两样东西恰恰是"进引擎能不能用"的硬指标。也就是说，AI 给你的是一"件外观"，不是一"份资产"；从外观到资产之间的差价，要你自己补。
4.6.4 导出检查清单
把前面的知识合订成一张可以打印出来的表。这张表按"翻车频率"排序：前几条几乎人人中招，后几条是质量加分。养成习惯：每一项都必须有"证据"（一个数字、一张截图、一次断言结果），不许凭记忆打勾。
| # | 检查项 | 具体动作 | 合格标准（要有证据） |
|---|---|---|---|
| 1 | 尺度 | 量出真实尺寸（如楼台高 6 米），核对导出单位与目标软件单位 | 在目标软件里量出的尺寸与预期一致（±数厘米） |
| 2 | 轴向 | 确认“哪根轴朝上”的约定，必要时旋转校正 | 导入后模型站立而非躺着；地面接触面正确 |
| 3 | 变换与原点 | 应用全部变换（缩放归 1）；原点放到约定位置 | 缩放值 = (1,1,1)；环境物件原点在底面中心 |
| 4 | 法线朝向 | 检查背面剔除下是否有黑面/空洞 | 外表面全部朝外；无内外面反转 |
| 5 | 拓扑与面数 | 线框视图数一遍；核对面数预算 | 无多余内部面、无悬浮碎片；面数在预算档内 |
| 6 | 水密（若下游要打印/物理） | 用切片器或检查工具跑一遍 | 无开放边、无非流形边、无自相交 |
| 7 | UV 与贴图 | UV 视图检查重叠与拉伸；贴图分辨率与纹素密度 | 无重叠、无明显拉伸、贴图随文件带走 |
| 8 | 通道与色彩空间 | 数据类贴图（法线/粗糙度/金属度）关闭 sRGB | 目标软件里明暗正确；Unity 不出现"粉红材质" |
| 9 | 命名与组织 | 文件名、物体名、材质名统一规范 | 不出现"未命名 27""材质 03"这类名字 |
| 10 | 附加物 | 清点碰撞体与 LOD 链是否存在、是否验证过 | 缺则明确标注"缺失"，列入下游工作 |
| 11 | 导出设置 | 勾选目标格式选项；确认贴图"内嵌 / 随包" | 对方不开你电脑也能打开、贴图不丢 |
| 12 | 回导入验证 | 把导出的文件重新导回目标软件，重跑断言 | round-trip 后数值一致——这是最终裁决 |
注意第 12 条：回导入验证（round-trip check）是把关的最后一关——你把文件导出去，再把它导回一个干净的目标环境，重新量尺寸、数面数、看贴图、试摆放。事实材料称之为"导出往返测试"，它之所以是"最终裁决"，是因为它模拟的正是下游选手的真实动作。自己导出的东西自己没回过一次门，就等于没检查。
4.6.5 如果下一环是"绑骨骼"：一份特别的交接检查
第 5 章你要给角色做动画，绑骨骼之前的资产质量决定了一切后续。事实材料给了一份"经验清单"（再次强调：这是生产经验总结，不是强制标准）——进入绑骨流程前，角色类资产最好满足：
| 检查项 | 为什么 |
|---|---|
| 标准姿态：T-pose 或 A-pose | 绑定与动捕数据的通用参照姿态；某些工具会强制输出该姿态正是为了这一天 |
| 左右对称 | 让"镜像权重"可以工作；不对称的资产权重得手工两遍 |
| 干净网格：无内部面、无悬浮碎片 | 蒙皮算法会被多余几何骗，权重涂到看不见的地方 |
| 关节处的边循环 | 肘、肩、膝要能弯；没有环线一转就破洞 |
| 完整的 UV | 贴图是"皮肤"，皮肤破了动画一样破相 |
| 单位与比例：1 单位 = 1 米（按项目约定） | 动画数据、物理参数、引擎工具都按单位算 |
| 应用变换：缩放读出 (1,1,1) | 带缩放绑骨 = 把弹性形变烤进动画里，后患无穷 |
| 法线朝外 | 渲染与烘焙的前提 |
| 面数在 LOD 预算内 | 骨骼是给"预算内资产"服务的；超标资产先减/重拓扑 |
| 无 n-gon（超过四边的面） | 变形时 n-gon 的三角化方案不确定，动画会"抖动" |
| 原点位置合理：环境物件放地面、角色放颈部 | 摆放与动画控制点的约定俗成 |
对照这份清单，你会明白为什么"AI 直出的角色几乎不可能直接绑骨"：面数超、拓扑乱、UV 糊、原点偏——四条全中。业界的应对是两头一起走：一头是"人重做"，另一头是"工具补课"——例如有的工具开始提供一键自动绑骨（Tripo 的 UniRig 宣称可以把骨骼一键装好、骨架与通用动作库兼容），有的生成模型干脆强制输出 T/A-pose，把"标准姿态"这一步做成默认。但骨架装好不等于权重就好——自动绑骨的结果依然要人工检查与喷涂，这一步第 5 章会详细讲。
4.6.6 引擎导入常见陷阱速查
把"交接缝隙"里的全部高发事故汇总成最后一张速查表。建议你们组的"导出负责人"把这张表贴在显示器上——事故现场它比教科书有用。
| 陷阱 | 典型症状 | 根因 | 处方 |
|---|---|---|---|
| 尺度错配 | 模型大 100 倍或小 100 倍，"人和楼一样高" | 米 / 厘米两种单位口径混用 | 导出前量尺寸、对单位；清单第 1 条 |
| 轴向错位 | 模型躺着进场、朝向与预期相反 | Z-up（建模软件）与 Y-up（引擎）之差不处理 | 导出时校正轴向；导入后立即目检 |
| 变换未应用 | 进场后被压扁、缩放诡异（"变成煎饼"） | 建模时的缩放/旋转残留在变换数据里 | 应用全部变换，确认缩放 (1,1,1) |
| 原点错位 | 拖进场景后"人不在地面上"、缩放与旋转中心诡异 | 原点不在约定位置 | 环境物件放底面中心；角色放颈根 |
| 面数与拓扑超标 | 场景卡顿；细分/绑骨工具报错 | AI 直出资产面数超预算十几到几百倍 | 减面或重拓扑到预算档 |
| UV 混乱 | 贴图涂抹、错位、大面积糊斑 | 自动展开在混乱拓扑上失效 | 重拓扑 → 重展开 → 重投影 |
| 材质通道 / 色彩空间错误 | 金属发粉、粗糙物发亮、整体发灰 | 通道打包约定与 sRGB 设置没对齐 | 按目标软件重置通道；数据贴图关 sRGB |
| "粉红材质"（Unity 高发） | 整个模型粉红色 | 材质 / 着色器未能正确交接（管线不匹配） | 换成目标渲染管线的材质；重指定一次 |
| 缺碰撞体 / LOD 链 | 物体可穿模；远处物件依然吃满算力 | AI 导出不含这两样，且没有验证过 | 明确标注缺失，列入下游工作清单 |
| 贴图未随行 | 对方打开后模型是纯灰的 | 导出了几何、没导出或没内嵌贴图 | 用带贴图的格式（如 GLB 内嵌）；回导入验证 |
最后补一句 3D 打印方向的下游差异，因为你可能选打印作业：打印对模型的要求比渲染更苛刻——它关心水密、壁厚与自相交（表面自己穿过自己）。事实材料给出的参考是：家用 FDM 打印机的可打印最小壁厚约 1–1.2 毫米，光固化（SLA）约 0.6–0.8 毫米——比这薄的壁，生成得再“好看”也会在切片时被删掉；而自相交几何占比超过约 5% 的模型，打印失败率显著更高（材料里给出的数字是约高出 40%）。同组数据还提到：同一批生成模型中，能宣称"完全水密"的比例并不高，最好的一家也谈不上普遍可靠，而部分工具的产物在水密率上明显垫底，所以——水密不是"默认就有"，而是"逐件验证"的。切片软件（slicer）因此成为打印方向的"引擎导入验证"：先切片，看它报什么错，再决定修什么。4.8 节的失败诊所 F4-3 会给你看一个真实的切片灾难现场。
4.7工具地图：这一排名字，各管一段路
原理讲完，来认一认"实战地图"上的城市。三维生成的工具格局在 2025–2026 年变化极快——本节的信息都标注了口径与时间（具体功能与免费额度请以官方页面为准，这是本章反复强调的信息素养）。你可以把这一节当"选型备忘"：不需要背名字，需要记住的是四类工具的分工：云端生成服务、开源本地模型、场景级世界生成、以及把它们缝起来的专业软件。
4.7.1 云端生成服务：提交文字或图片，拿回模型
课程实践将主要在云端服务上完成，因为它们免安装、有免费额度、上手最快。四家主流服务的分工与要点：
| 服务 | 来历与路线 | 面向谁 | 关键参数（公开口径） | 注意 |
|---|---|---|---|---|
| 混元 3D 3.1（腾讯） | 2026 年 1 月末发布；云服务 | 想"开箱即用"的个人与团队 | 每日 20 次免费生成；云 API 有 200 免费积分；默认导出 GLB；面数可配置约 5 万–150 万；提供"水密"开关参数 | 许可条款有地域与规模限制（详见 4.11） |
| Tripo | Algorithm 3.1 宣称超 2000 亿参数 | 游戏与管线型用户 | 导出格式最全（OBJ/FBX/GLB/GLTF/USD/USDZ/STL/3MF）；最高约 200 万多边形；8K 贴图；Turbo 模式约 10 秒；Smart Mesh 约 2 秒给游戏就绪拓扑；UniRig 一键自动绑骨 | 免费额度各来源说法不一（每月 200 或 300 积分，存疑）；免费层输出按 CC BY 4.0 署名；Pro 约 19.9 美元/月 |
| Rodin（Gen-2 / Gen-2.5） | Gen-2 为 10B 参数级；Gen-2.5 于 2026 年 5 月亮相 | 游戏与工业设计 | 免费生成、付费下载；千万级多边形上限；4K PBR；强制输出 T/A-pose | STL 导出通常需要修复；不适合直接打印 |
| Meshy 6 | 2026 年 1 月中旬正式发布 | 3D 打印与游戏双线 | 面数 5,000–100,000（默认约 3 万）；原生四边形重拓扑；水密性宣称约 97% 通过切片器 | 免费每月 100 积分（约 10 次下载），CC BY 4.0 需署名 |
另外两条“存疑线索”也值得记录下来作为信息素养的练习：有材料提到通义万相支持 OBJ / GLB 导出，也提到即梦有 Maya / Blender 插件与"三维白模预览"能力——这两条在本课程编写时未能从官方渠道交叉验证，属于存疑信息，使用前请以官方页面为准。为什么把"存疑"也写进教材？因为这就是真实的行业状态：三维工具的公开资料更新极快、转述失真率高，合格的创作者必须养成"三源核验"的习惯——官方文档优先，其次官方页面变动记录，最后才是二手文章；转述里的免费额度、参数上限、许可条款，一律当作"可能过期的传闻"。
4.7.2 开源与本地部署：把模型请回自己的电脑
如果你想要可控性——不依赖别人的服务器、不被额度限制、能改代码——开源方案是另一条路。四条值得知道的线：
- 混元 3D 2.1（开源版）：2025 年 6 月中旬开源，两段式结构——形状模型 3.3B 参数（约需 10GB 显存）、贴图模型 2B 参数（约需 21GB 显存）。在 HuggingFace 上的下载量以百万计（公开材料称超过 180 万次），社区生态活跃。但注意许可：它用的是腾讯社区许可，并非 MIT；条款对商用规模、地域与"用输出改进其他 AI 模型"都有限制——4.11 节细讲。
- TRELLIS.2：4.3 节的主角，采用 MIT 许可（商用友好），输出带 PBR 的 GLB；门槛是需要 NVIDIA 显卡且显存不低于 24GB。适合"组里有强显卡 + 想深度定制"的路线。
- 混元 3D PolyGen 1.5：做的是"原生四边形网格生成"——直接生成游戏管线喜欢的四边形拓扑，而不是先三角面再重拓扑。公开材料称它把过去"以周计"的重拓扑工作压缩到"以分钟计"。这条线值得盯：如果重拓扑被模型自动化吃掉，4.5 节里"重拓扑 30–60 分钟"的成本结构会被改写。
- HY-World 2.0：2026 年 4 月中旬开源的世界生成工具，能导出 Mesh / 3DGS / 点云三种形态，并支持 3DGS 与网格的混合——它是"表征融合"趋势在工具层的落地：背景要照片级真实（3DGS），道具要能交互（网格），一个场景里两者并存。
4.7.3 行业里的真实效率数字：好看，但要学会读
最后看一段行业案例。它们经常出现在新闻与宣传里，值得了解，但你必须学会给数字"验明正身"。
背景：多家国内游戏公司近年把 AI 三维生成接进资产产线。公开材料提到：腾讯的 VISVISE 已在近 100 个游戏项目中应用，覆盖《和平精英》《王者荣耀》这类头部项目，部分环节效率提升最高约 8 倍；某类三维资产的生产从"5–7 天、数千元"压缩到"10 分钟、数元"；轻量游戏的整体开发周期从约 1 个月缩短到约 2 天；一个 25 平方公里的虚拟城市搭建从 5 天缩短到 25 分钟。
做法：不是"一键生成整款游戏"，而是把 AI 嵌进既有管线：程序化生成地形与建筑体块、AI 生成道具初稿、人工负责精修与验收——AI 管"量"，人管"质"。
结果：材料还记录了盛趣游戏的例子：做《黑神话：悟空》的实景复刻时，团队只有 1 名三维美术 + 1 名场景设计 + 半个技术支持；后续项目《地城之光》的效率较手工提升约 100%。Meshy 官方也宣称"过去需数周、花费约 1000 美元的 3D 资产，现在约 2 分钟、1 美元"。
复盘：读这些数字必须加三个注脚：① 多数为企业自报或券商估算，未经独立审计；② "最高 8 倍""提升 100%"指的是部分环节，不是全流程；③ 所有案例的共同点是"AI 出初稿、人工精修"，与本章反复强调的质检与交接完全一致。把宣传读成"造一个资产只要两分钟"的人，会在验收线上付出真实的学费。
这份地图到手的用法是"反向推"：从你的需求出发问五个问题——① 我要不要绑定骨骼或做动画？（要 → 看拓扑与姿态能力，如 Smart Mesh / UniRig / 强制 T-pose）② 我要不要打印？（要 → 看水密与壁厚，STL 前先切片验证）③ 我手上有几张参考图？（多 → 优先支持多视角输入的工具）④ 我是交作业还是商用？（商用 → 逐条读许可，颜色最浅的 MIT 与"CC BY 4.0 需署名"最省心）⑤ 我电脑什么配置？（显存低于 24GB → 本地跑大模型基本出局，用云端；反之可以考虑开源路线）。工具会过时，这五个问题不会——它们是你在未来任何一波新工具里都能用的"选型算法"。
4.8失败诊所：三类高发缺陷的完整病历
进诊所之前，先立一块"预期管理"的牌子。行业里有从业者做过粗略的经验统计：大约每 10 次三维生成，只有约 1 次可以不返工直接进入使用；据此给出的选型建议是——AI 三维生成适合做背景道具、LOD 层级、简单的单体几何，不适合主角资产，更不适合任何"需要被读出来的文字"。记住这句话的目的不是劝退，而是校准：它不是"工具很烂"，而是"工具是初稿机，不是终点站"。初稿机产出初稿，检验与精修是你工作的一部分——下面三份病历，分别是这门课里你最容易遇到的三类"初稿病"。
症状：小舟的文字生成楼台，正面八分像：翘角、木格窗、栏杆俱在。转到背面——墙体塌成一团起伏的疙瘩，屋檐与柱子在某处"长"在了一起；更诡异的是，背面墙上出现了一段与正面一模一样的格窗图案，而按结构那里应该是素墙。
成因：这不是软件故障，而是数据分布根因。研究者抽查大规模图文数据后发现：互联网图片里物体的正面被反复拍摄、严重过采样，侧面与背面却严重不足；这份偏斜会经 SDS 或前馈编码器一路放大到几何推断里。另一条独立研究线用形式化方法证明了单视图条件的歧义性——给定一张正面图，背面的几何在数学上就是欠定的；案例库里甚至记录过"给一张正面的肩包图，模型在背面生成出两条背带"这类错误。还有研究给出了一个反直觉的警告：在固定视角数量的条件下，把视角的跨度加宽，生成质量反而会下降——因为跨度越大，越多的区域落在观测支撑不到的地方，模型只能编。
处方：① 输入侧：能多给视角就多给（正面 + 侧面 + 背面的三视图远胜单张图）；② 推理侧：部分流程支持注入视觉语言模型的"常识"来改善背面结构——有研究把背面几何的 Chamfer 一致性最多提高了约 37.2%，但请记住研究者的结论：所有现有缓解都在采样与推理环节，没有任何方法改变了数据分布的根因；③ 人工侧：按 4.4 节的环绕截图流程逐张验收，"背面"永远重点盯防；④ 修复侧：局部补面 + 重投影，通常比整件重生成划算（案例 4-A 的做法）。
症状：小月想给夜江场景做一只"玻璃盏"，输入提示词后拿到的模型：盏壁破了两处洞，转过去发现壁是"双层"的（像内外各贴了一层皮），透明度也不对——明明是玻璃，看起来却像磨砂塑料。另一路，扁舟的船篷（一片薄木顶棚）生成后同样出现双层壳与破洞，像一片"双皮奶"。
成因：两个叠加的原因。第一，表示与算法的天生短板：基于场式表示加表面提取的路线，在处理开放曲面（没有封闭体积的薄片）时经常出问题——研究界的描述是"往往会在开放表面上失败，产出薄薄的双层壳"。而透明与反光物体本身就是三维重建与生成的老大难：它们的光学表现不满足"同一个表面点在任何视角下颜色一致"的假设。第二，提示词自己"招灾"：工具的官方帮助文档明确提醒过——暗示透明或镂空的提示词（比如"玻璃罐""柳条篮"）得到的网格往往需要更多修复；文档给出的替代方案很具体：先把提示词改写成"陶瓷罐"，生成一个实体版本，再用材质与后续处理去表现想要的效果。
处方：① 改写提示词：用实体材质词替代透明/镂空词（"玻璃盏"→"青瓷盏"；"竹篮"→"竹编箱"），透明感留给材质与渲染去演；② 真要薄壳（船篷、纸灯），生成后用加厚工具补厚度，或改为"薄但封闭"的设计；③ 打印场景下，壁厚不低于打印机极限——家用 FDM 约需 1–1.2 毫米，光固化 SLA 约需 0.6–0.8 毫米，低于此值会在切片时被整片删掉；④ 验收时对"薄"的地方单独截图留证。
症状：小舟生成一只"白玉水杯"，导出时发现 50 多万面。拖进引擎：整个场景开始卡；拖进切片软件准备打印：软件劈头报错——先标出大量非流形边，接着暴露开放边，再检查又会发现部分面片法线翻转；最后自动修复把"太薄"的杯壁直接删掉，杯子漏了。
成因：三件事一起发作。① 面数膨胀：生成模型被训练成"优先外观、不顾效率"，产物常见数十万个近乎均匀的三角面——研究者对这类网格的评价原文是"过于稠密，对渲染、编辑与动画管线而言都不可用"；② 拓扑混乱：从场里"切"表面的过程（marching cubes 一类算法）产出的是均匀三角网格，天然带着孔洞、非流形结构，破坏了打印与物理所需的水密前提；③ 水密率不稳定：同批生成的模型里，能"完全水密"的比例并不让人放心——部分工具的水密率明显偏低；而自相交几何超过约 5% 的模型，打印失败率会显著更高（材料给出的数字约高出 40%）。
处方：① 生成时选对面数档（工具普遍支持配置面数上限，甚至提供"水密"开关）；② 下载后按用途分流——进引擎的走重拓扑/减面，打印的先过切片器验证；③ 切片器（或水密检查工具）是打印方向的"回导入验证"，它报什么先修什么：非流形 → 开放边 → 法线 → 壁厚，按序处理；④ 验收断言：面数（数量）、非流形边（应为 0）、自相交（比例）三个数字必须落在记录表里。
| 失败模式 | 典型症状 | 根因一句话 | 首选处方 |
|---|---|---|---|
| 背面幻觉 | 背面糊、长出多余结构、后视图出现正面细节 | 数据里缺乏背面样品，单视图信息欠定 | 多视角输入 + 背面重点质检 + 局部修补 |
| 多面神（Janus） | 转一圈发现多个"正面"（多张脸/多个同款装饰） | 二维监督只看单张图，不检查三维自洽 | 用原生三维路线工具；或用多视角流程约束一致性 |
| 拓扑混乱 | 均匀三角"芝麻面"、孔洞、非流形边 | 表面提取算法只保证"像"，不保证"结构对" | 重拓扑（主角）或减面（远景） |
| 面数膨胀 | 单件道具 50 万面，场景卡顿 | 模型优先外观，不以效率为目标 | 生成时设面数上限；下载后重拓扑/减面 |
| 薄壳与透明崩坏 | 双层壳、破洞、玻璃像塑料 | 开放曲面是场式方法的死角；透明不符合多视角一致性假设 | 改写提示词为实体词；加厚；材质演透明 |
| 水密失守 | 切片器报非流形/开放边/自相交 | 生成管线不以保证水密为目标 | 选带水密参数的工具；切片验证；逐项修复 |
| 光照烘入材质 | 模型带着"焊死"的阴影与高光，换光照就不对 | 观测 = 反照率 × 光照，模型分不开两者 | 重做/修正贴图；夜景场景慎用自带光照的贴图 |
| 纹理幻觉与不一致 | 色偏流动、接缝错位、背面花纹是正面的复制 | 各视角独立推断，没有"同一物体"的全局约束 | 环绕截图核对；接缝与颜色单列检查项 |
| 尺度 / 轴向 / 原点错误 | 差 100 倍、躺着进场、摆放诡异 | 导出与目标软件的约定不同且未校正 | 导出检查清单第 1–3 条 + 回导入验证 |
三份病历放在一起看，有一条清晰的共同线索：所有失败都发生在"模型没见识过的地方"或"约定没有对齐的地方"——要么是数据里没有（背面、薄壳、透明），要么是参数里没选对（面数、水密），要么是格式里没说清（尺度、轴向、原点）。这给创作者的动作指南非常朴素：数据不足处靠多给输入，参数不合意处靠显式设置，约定不明处靠检查清单与回导入验证。没有一条需要"祈祷这次抽卡手气好"。
4.9动手实践：给三个道具做"出厂检验"
这一节把全章知识装进一条工作流：生成 → 环绕质检 → 修补 → 重拓扑/整理 → 导出检查 → 回导入验证 → 归档。三个实践对应三个道具，也对应三种典型的选用场景：文字生成（楼台）、图像生成 + 参数实验（扁舟）、以及一个"故意不用 AI"的对照（玉盘）。
🛠 实践一：文生三维 → 多视角质检（50 分钟 · 课堂）
- 配提示词。用下面的提示词卡为"临江楼台"写一段生成描述。注意四段式：主体 → 结构细节 → 材质风格 → 用途约束。
- 生成。任选一家云端服务（4.7 节表 4-15），用量产设置生成 3 次（同一提示词），保留 3 份结果——这会让你看到"同一提示词的方差"。
- 环绕截图。选最像的一个结果，在预览窗口里固定相机高度与距离，每转约 45° 截一张，共 8 张（正、背、左、右、四斜角）。文件名规范：
楼台_v1_视角02_右前45度.png。 - 逐项填写缺陷记录表（表 4-17 模板）：每条缺陷必须配"截图编号 + 严重度 + 处置决定"。
- 决策。对每条缺陷给出处置：忽略（不影响用途）/ 局部修补 / 重新生成。写下你判断的依据——这比判断本身更重要。
完成一次完整的"生成 → 8 张截图 → 缺陷记录表（至少 5 条记录）"流程。
提交物：8 张截图 + 缺陷记录表 + 一句话结论（这个模型能不能进第 7 章的夜江场景？为什么？）。
做"提示词对照"：对比两次生成的记录表，找出"提示词里加了什么词使哪类缺陷变少/变多"（如加入"对称""四个立面一致"等约束词），写 100 字以内结论。
把最严重的一条背面缺陷做局部修补（补面 + 重投影或在建模软件里手补），修补前后各截同视角一组图，作为"修复证据"附进档案。
🛠 实践二：图生三维 + 参数对比实验 + 手作对照（70 分钟 · 课堂）
- 准备输入图。从第 2 章的扁舟分镜里挑出侧视角度最清晰的一帧作为参考图，并补两帧（正面、俯视）做成"三视图输入包"。如果你的工具只支持单图，那就分两组：单图组 vs 三图组。
- 参数对比实验（关键环节）。用同一张参考图，做至少 4 轮生成，每轮只改一个参数：轮 1 默认；轮 2 提高面数上限；轮 3 打开/关闭水密；轮 4 单图 vs 三图输入。每轮同样做 8 视角截图（可只截 4 个代表视角以省时间），把"参数 → 观察结果"填进表 4-18。
- 结论句。为每一轮写一句结论，格式统一："把 X 从 A 改成 B，观察到 Y 变化，说明 Z。"
- 玉盘对照实验（反向教学）。用"玉盘 / 圆盘 / 白色瓷盘"做一次生成；同时，在建模软件里用"旋转成型"（画一条剖面曲线绕轴旋转）手工做一个圆盘——熟练者约 5 分钟。对比两者：成品质量、可用性、所花时间。把结论写进档案：简单回转体，手工比你想象的快，也比你想象的干净。
完成 4 轮参数实验 + 玉盘对照实验，产出表 4-18 的完整记录与两条以上的可复用结论（例如"哪些参数值得每单都调一次"）。
给扁舟做一次"薄壳专项质检"：按 F4-2 的处方，先检查船篷是否双层壳/破洞，再决定是否加厚与修补；写一段 150 字以内的"船篷专项报告"。
🛠 实践三：导出检查与回导入验证（40 分钟 · 课堂）
- 导出。把修好的楼台或扁舟导出为两种格式：FBX（引擎方向）与 GLB（评审方向）。导出记录下单位与轴向设置。
- 回导入验证。新建一个干净的场景（Blender 或引擎工程皆可），导入 FBX，逐条执行表 4-12 的前 8 条检查；能量化的量化（量尺寸、数面数、数非流形边），留截图。
- 填写"交接单"。一页纸写清：资产名、用途、面数、尺寸、单位、格式清单、已知缺陷、缺失项（碰撞/LOD）、验证人、日期。
- 交叉验收。与隔壁组交换资产做"陌生环境导入"——让没碰过这个文件的人按交接单复现检查。凡是对方看不懂或复现不了的条目，回去重写。
完成一次完整导出 + 回导入验证，12 条清单全部留下证据。
在检查中发现并修复至少 2 个问题（如尺度、原点、通道），把"问题—修复—复验"三段写成记录；体会"约 90% 的导入事故可以被清单提前捕获"这句话在你自己手上的成色。
| 编号 | 发现视角 | 缺陷类型 | 严重度 | 截图编号 | 处置决定 | 状态 |
|---|---|---|---|---|---|---|
| 01 | 背面 | 背面糊面 / 结构坍塌 | 高 | 楼台_v1_视角05.png | 局部补面 + 重投影 | 已修复 |
| 02 | 右后斜角 | 多余结构（无观测来源） | 中 | 楼台_v1_视角06.png | 剪除并补面 | 已修复 |
| 03 | 正侧 | 贴图接缝错位 | 低 | 楼台_v1_视角02.png | 记录，暂不处理（远景不可见） | 搁置 |
| 04 | 全部 | 面数超标（约 42 万） | 高 | —（数据） | 重拓扑到 8,000 面档 | 进行中 |
| 05 | 俯视 | 顶部法线反转（黑面） | 中 | 楼台_v1_视角07.png | 翻转法线 | 已修复 |
| 轮次 | 改变的唯一参数 | 观察到的变化 | 结论句 |
|---|---|---|---|
| 1 | —（默认） | 正面好、背面糊；面数约 30 万 | 默认档适合快速看形体，不适合直接交付 |
| 2 | 面数上限：中 → 高 | 细节增加但模型更重；缺陷类型不变 | 提高面数不治幻觉，只加成本 |
| 3 | 水密：关 → 开 | 孔洞减少；打印验证通过率上升 | 下游是打印时，水密开关优先级高于面数 |
| 4 | 输入：单图 → 三视图 | 背面结构明显改善；多余结构变少 | "多给视角"是性价比最高的一步 |
每件道具归档时，四样东西一起放进档案：① 生成记录（工具名、提示词、参数、日期、额度消耗）；② 质检证据（8 视角截图 + 缺陷记录表）；③ 导出记录（格式、单位、轴向、回导入验证结果）；④ 来源与许可记录（参考图出处、工具输出的许可类型、署名要求）。少任何一样，事后就无法复现、无法追责、也无法商用。第 4.11 节会告诉你，第四样在"拿别人的照片做图生三维"时会变得多么重要。
4.10关键概念表：本章词汇的"速查手册"
本章新词密集，把它们的"一句话定义"集中列在这里。建议用法：先盖住右列自测——看到术语想定义，想不起来的回查正文对应章节。
| 概念 | 一句话定义 | 你要记住的那一点 |
|---|---|---|
| 三维表征 | 用某种数据结构描述物体形状的方式 | 没有万能表征，只有对用途最划算的表征 |
| 点云 | 一堆带坐标（可带颜色、法线）的点 | 无连接关系；渲染有空洞；扫描的第一步 |
| 网格 | 顶点 + 面 + 顶点属性组成的表面外壳 | 工程生态最成熟；AI 交付的最终形态通常是它 |
| 体素 | 规则立体方格网，每格记录"有/无" | 存储随分辨率三次方增长（n³） |
| 隐式场 / SDF | 记录"每个位置距表面多远、在内还是在外"的函数 | 表面光滑、可布尔运算；要"看见"必须取样提取 |
| 神经辐射场（NeRF） | 沿光线查询"位置+方向 → 密度+颜色"的可渲染函数 | 真实感高；但慢、难编辑、无显式几何 |
| 三维高斯泼溅（3DGS） | 用一团团半透明椭球表示场景 | 实时渲染快；有悬浮物、几何不能直接当墙用 |
| 重建 / 生成 | 复现真实物体 / 合成不存在的物体 | 分界线是信息量；生成本质是"用先验补观测" |
| SDS 分数蒸馏 | 用二维扩散模型当评委，把它的"修改意见"蒸馏给三维表示 | 证明"无三维数据也能造三维"；但慢且易幻觉 |
| 多面神（Janus） | 每个方向看都像正面，转一圈看到多张脸/多个同款 | 二维监督不检查三维自洽的必然产物 |
| 原生三维生成 | 直接训练生成三维结构的大模型（稀疏体素 + 结构化潜变量 + 流匹配） | 秒级出模；但训练分布的边界就是它的边界 |
| 拓扑 | 网格的连接方式（谁连着谁） | 外观看不出，决定能不能绑骨、能不能打印 |
| 流形 / 水密 | 每条边最多两个面（流形）；完全封闭无洞（水密） | 打印与物理的前提；生成模型不保证这两点 |
| 面数预算 | 一件资产允许使用的三角形数量上限 | 是预算不是军备竞赛；AI 直出常超标十几到几百倍 |
| 重拓扑 / 减面 | 重建一张好网格 / 机械删除三角形 | 主角用重拓扑，远景用减面 |
| UV 展开 / 接缝 | 把曲面剪开摊平成贴图坐标 / 剪开的位置 | 接缝藏天然分界；先重拓扑再展 UV |
| 法线贴图 / 烘焙 | 不增面数而"画"出凹凸的贴图 / 把高模细节转移进贴图 | AI 结果当高模、重拓扑出低模、烘焙回细节 |
| PBR / 金属-粗糙度工作流 | 用物理参数（颜色、法线、粗糙、金属等通道）描述材质 | 通道打包与 sRGB 约定是导出事故高发区 |
| 确定性断言 | 能用程序判定真假的检查（缩放=(1,1,1)、非流形边=0…） | 截图只证明外观；断言才证明资产 |
| 回导入验证 | 把导出文件导回干净环境重跑检查（round-trip） | 导入决定出货；这是把关的最后一关 |
4.11课程思政：文化遗产数字化复原的边界与真实性
本章的技术有了一种特殊的用途，也因此有了一种特殊的责任。三维生成能"补全"缺失的一切：缺一角飞檐，它给你补上；少一段史实，它替你想象。对普通道具，这叫效率；对文化遗产，这叫危险——因为观众会把你"补"出来的东西，当成"它本来就是这个样子"。这一节讨论的就是这条红线：技术向文化致敬的方式，是无限逼近真实、并诚实地标出"哪一步是推测"。
设想这样一个课堂场景（虚构情境，用于讨论）：小组决定给短片加一段"古城意象"，小月提出——能不能顺便做一套"某某古桥的数字复原"，发布时说"这就是它当年的样子"？老师的回答可以浓缩成一句话：你可以复原，但不能代替历史说话。"复原"是一个有严格含义的词，它意味着你的每一个决定都有证据链；把"我以为"包装成"本来就"，就不再是创作，而是对公众历史认知的污染。
4.11.1 三层边界：复原、推测、演绎
行业与学术界的通行做法，是把"数字重建"按证据强度分成三层，每一层对应不同的自由度和不同的标注义务。请把这张图当成你做文物类项目时的"交通规则"：
三层边界对创作的实际约束，可以落到四个具体动作上：第一，先查后做。动手生成之前，把"哪些信息有依据、哪些没有"列成清单——这份清单就是你后面所有标注的源头。第二，分区建模。有据的部分按测绘数据建，推测的部分单独成组并命名（如 推测_屋面）——命名本身就是证据管理。第三，交付即标注。在任何形式的发布里（视频、演示、网页）标注"复原 / 推测 / 演绎"的性质与依据；短片的片尾滚动字幕里加一行"本片古建形象基于 XX 材料复原，屋面部分为推测"，也许没人细看，但它是创作者专业与否的勋章。第四，不做"以假乱真"。不把 AI 复原用作"实物照片""官方资料"性质的展示；为文物"数字化"的产品若涉及商业用途，还要回到下一小节的授权问题。
4.11.2 规则在哪里：与三维创作直接相关的几条法定要求
上面讨论的是行业与学术的伦理规范；除此之外，还有一条更硬的底线——法律。下面这张表把与"三维生成与编辑"直接相关的规则集中列出（本章截稿时可查的主要规则，法规会更新，引用时以官方发布为准）：
| 规则 | 关键内容 | 对三维创作意味着什么 |
|---|---|---|
| 《民法典》第 1019 条 | 未经同意，不得制作、使用、公开他人肖像 | 用真人照片做图生三维、做人脸重建，先取得同意 |
| 《个人信息保护法》第 28–30 条 | 生物识别信息属于敏感个人信息；处理须取得单独同意并告知必要性与影响 | 人脸、人脸模型都与"生物识别"相关，授权要求高于普通照片 |
| 《互联网信息服务深度合成管理规定》（2023 年 1 月 10 日施行） | 提供人脸、声音等生物特征编辑能力需提示取得被编辑人单独同意（第 14 条）；特定情形做安全评估（第 15 条）；对合成内容加技术标识、对生成内容作显著标识（第 16、17 条） | 你用的"图生三维人脸"工具与你的作品发布，都在其射程内 |
| 《生成式人工智能服务管理暂行办法》（2023 年 8 月 15 日施行） | 第 12 条：提供者应对图片、视频等生成内容进行标识 | 发布 AI 生成的三维渲染图/视频，要带生成标识 |
| 《人工智能生成合成内容标识办法》 | 要求显式标识（看得见的提示）与隐式标识（文件元数据）并行 | 给渲染产物加"AI 生成"角标 + 元数据标识，双保险 |
| 最高法《关于依法审理涉人工智能纠纷案件的意见》（2026 年 9 月 7 日，法发〔2026〕10 号） | 五部分 24 条；对人格权做三层保护；侵权判断以"可识别性"为标准，而非"完全一致" | 不必"长得一模一样"才侵权——能认出是谁，就可能落在保护范围里 |
把表格翻译成一句给创作者的话：凡涉及"真人肖像与人脸/声音"的三维资产，授权要求是最严的一档（单独同意）；凡涉及发布，标识义务是最基本的一档（显式 + 隐式）。注意最高法意见里"可识别性"三个字的分量：它不是问你"这张脸是不是像素级复刻了某人"，而是问"观众能不能认出这是谁"。对三维创作者的直接推论是——把同学的脸生成成角色、把老师的形象做成手办模型，即便"做得很不像"，只要能被认出，就已经踩在了别人的权利边上。课堂练习的安全做法：用虚构角色，或让"模特"本人签署知情同意并全程参与。
4.11.3 资产许可：数据与输出的"来源链"
文化遗产之外，还有一类更日常的"真实性"问题：你生成的东西，权利链是干净的吗？三维生成站在一串长长的来源链条上——训练数据来自网络图像与三维库，你的产出又建立在模型的许可条款之上。链条上任何一环有瑕疵，都可能在你最意想不到的时候（作品获奖、视频走红、客户验收）找上门。
三条从材料里来的现实提醒，请务必消化：① 大型三维数据集的名义许可常常不等于逐件许可——例如 Objaverse-XL 整体标称 ODC-By v1.0，但逐对象的许可并不一致，其中 Polycam 子集明确只限学术非商用。即"数据集允许"不代表"里面每一件都允许"。② 国产大模型的开源/免费不等于无约束——混元 3D 的社区许可有地域排除（不含欧盟、英国、韩国）、商用规模门槛（以百万月活为线）以及"禁止用输出改进其他 AI 模型"等条款；而 Tripo、Meshy 的免费层输出则是 CC BY 4.0——允许商用但必须署名。③ 生成模型本身的训练来源正被推上法庭与考据台：材料记录了 2026 年针对 Meta 的诉讼（涉及其三维生成模型），法院在 2026 年 8 月下旬驳回了其中两项主张但未触及实体问题，同时还有针对其他大厂的平行诉讼的指控——结论不是"不能用"，而是"要在用之前读清楚、记下来、能出示"。研究界也已出现专门追查"某个三维模型输出源自哪个生成器"的被动式来源归属基准（首次覆盖 22 个三维生成器）——这说明整个生态正在快速装上"溯源"能力：你交付的资产，将来是要能被追溯的。
由此得到商用前的"三查"动作，简单但有效：一查输入——参考图/参考模型是哪里来的、有没有授权（尤其是真人、知名 IP、他人作品）；二查工具——所生成资产的许可类型、署名要求、商用限制（把这些条款原文截图存档）；三查输出——发布时是否按要求标识、是否附带署名与来源说明。
把本节收束成四条可以直接贴在工位上的纪律——它们是本课程对"技术赋能文化"的完整立场：
① 有据才敢言复原。复原是一座需要证据链支撑的桥：测绘、文献、考古材料——每一块砖都要说得出来源。缺证据的部分，归入"推测"或"演绎"，绝不混装。
② 推测要亮明身份。推测不丢人，隐瞒推测才丢人。以浙江为例，无论你做的是良渚遗址的展示片段，还是江南古镇的数字街景，凡属推演补全的内容，都在作品与说明中显著标注"此为推测性复原及依据"。观众有权知道自己看见的是"证据"还是"想象"。
③ 对人要有敬畏，对物要有出处。真人形象（含生物特征）需单独同意；文物与非遗素材需遵守管理要求；模型与数据的许可需逐条核对。技术让你"能做"，许可与伦理决定你"可不可以做"。
④ 生成必标识，传播必诚实。AI 生成的内容主动标识，不冒充史实、不冒充实物照片、不冒充他人作品。你做的每一帧画面都在参与公众的历史认知——技术越强，越要把"我不知道的部分"留在明处。
四条纪律背后的精神，其实是同一件事：把技术的力量用在"更接近真实"，而不是"更方便地制造想当然"。我们这一代人很可能是第一批"能用一句话造出一座楼台"的人；也正因如此，我们怎么对待"不知道的部分"，会成为后来者理解传统的方式。
4.12本章产出与下一站
收束主线：这一章里，春江小组把三个道具从"念头"推进到了"台账"。
回看这一章的路：我们先把三维拆成六种表征理解了它"长什么样"；再学会分清"重建"与"生成"两条来路；然后看穿了两代生成技术的底牌——SDS 如何用二维老师教三维学生、原生三维如何秒级出模，又各自在哪儿露怯；接着握住四个"预览里看不见"的工程抓手（拓扑、面数、UV、PBR），并用"导出检查清单 + 回导入验证"把资产送过交接线；最后在思政一节里立好了与历史、与他人、与许可相处的坐标。三个道具在台账上各就各位——它们的下一段旅程有两种走法：要么被摆进第 7 章的夜江场景当静物，要么被装上骨骼去演戏。先去做后者：让它们动起来。
把这一章压缩成七句话
- 六种三维表征（点云/网格/体素/隐式场/NeRF/3DGS）没有最优解，只有对用途最划算的取舍；而本书所有资产的最终形态都必须是网格。
- "重建"复现实物、可量化验收；"生成"创造新物、只能主观评价——分界线是信息量，信息不足处模型只能凭先验"编"，一切幻觉由此而来。
- SDS 用二维评委教三维学生：慢、易多面神、监督失配；原生三维用稀疏体素 + 流匹配把生成拉到秒级，但训练分布的边界依然是它的边界。
- 评价的两把尺子并不同步：人评在奖励渲染格式与贴图，而不是几何正确性——所以质检要靠"环绕截图 + 缺陷记录表"这两件土兵器。
- 拓扑、面数、UV、PBR 这四件事在预览窗口里全都看不见，却决定资产"能不能用、在不在预算内、皮肤贴不贴得住、换到哪儿都不塌"。
- 交接的三坑是尺度、轴向、原点；清单十二条能捕获约 90% 的导入事故，而回导入验证（round-trip）是把关的最后一关——导入决定出货。
- 技术越强，质检越贵；对文化遗产，复原要有据、推测要亮明、演绎不冒充、生成必标识——技术向历史致敬的唯一方式是诚实。
自测
自测 1：为什么说"没有一种三维表征是万能的"？请用"要做物理碰撞的游戏场景"与"要照片级真实感的虚拟导览"两个需求，各选一种表征并说明理由。
答案：因为六种表征各有强项与死角：数值精度、视觉保真、内存开销、渲染速度、可编辑性无法同时拉满。游戏场景需要"能撞、能走、能被摆"的显式几何——选网格（渲染快、工具链成熟、可绑骨骼、有碰撞体），这也是为什么本书项目的资产最终都要转成网格；虚拟导览追求"看起来真"且允许渲染方式特殊——可选 NeRF（离线）或 3DGS（实时），代价是没有可用的碰撞几何、编辑与导出受限。判断口径永远是三个问题：要不要交互？要真还是要准？后面还改不改？
自测 2：小舟说"我用文字生成了楼台，正面很好看，直接拖进场景吧"。请列出他在这一句话里至少违反了本章的哪三条规定动作。
答案：① 没做多视角质检——"正面好看"恰恰是最不可信的验收视角，背面是背面幻觉的高发区，必须用环绕截图逐张核对；② 没做数据检查——面数、拓扑、水密、UV 这些"预览里看不见"的项目一条都还没查，场景卡顿或导入报错就在路上；③ 没做交接检查——尺度、轴向、原点、单位（以及清单十二条与回导入验证）未过，模型"大 100 倍、躺着进场"正是这类疏忽的典型后果。正确顺序：先质检与修补，再重拓扑/整理，再导出检查，最后回导入验证。
自测 3："重建"与"生成"的分界线是什么？以下三个任务分别属于哪条路线：① 用手机围着石狮拍 60 张照片做成模型；② 用一张水墨分镜图生成扁舟；③ 为不存在于史册的"唐代临江楼台"产出三维初稿。
答案：分界线是信息量：观测足以支撑几何 → 重建；观测不足、需要模型用先验补 → 生成（或混合）。① 属于重建（多视角观测充分，有标准答案可量化验收）；② 属于生成（单图信息不足，背面等处靠模型推断，务必要求多角度质检）；③ 属于生成（目标物不存在，没有标准答案，只能凭"合理性"评价）。注意②的边界：如果拍摄的是真实船模的 60 张照片，它就变成了重建。
自测 4：SDS 路线的"多面神"问题是怎么产生的？为什么有报道说"某改进把质量指标 3D-FID 从 75.96 降到 58.75"，却不能说"多面神问题解决了"？
答案：多面神（Janus）的根源是二维监督只对单张图负责：SDS 让二维扩散模型对每一个渲染视角分别打分，从不检查"这个视角与那个视角是否指向同一个三维物体"，于是模型可以学到"每个方向都像正面"。3D-FID 之类的指标衡量的是单视角观感质量，与"三维自洽"是两把尺子；材料中 ProlificDreamer 的 3D-FID 明显优于 Magic3D，但多面神比例仍达约 40%——质量指标的改善来自更稳的蒸馏信号，并不自动产出自洽性。要真正缓解，要么改换原生三维路线，要么在流程上强制多视角一致与人工验收。
自测 5：小舟的水杯导出后 50 多万面，进切片软件被报"非流形边"，接着又暴露"开放边"，修复后壁被删掉。请按"成因—检查—修复"的顺序给出完整处置方案。
答案：成因：生成模型的几何来自表面提取，天然可能带孔洞、非流形结构与自相交，同时面数超预算数十倍——它被训练成"优先外观、不顾效率与水密"。检查：按序跑切片的报错源（非流形 → 开放边 → 法线翻转 → 壁厚）、给面数与自相交比例留下数字证据，同时用环绕截图确认外观损失可接受。修复：① 面数：重拓扑（要编辑）或减面（只围观）；② 拓扑：修非流形与开放边、统一法线；③ 壁厚：加厚到打印机极限以上（FDM 约 1–1.2 毫米，SLA 约 0.6–0.8 毫米），或改写提示词/参数从生成端规避（必要时选"水密"开关重生成）；④ 复验：重新切片通过 + 回导入验证通过才算出厂。要点是"按序修、留证据、复验"，而不是反复导出撞运气。
自测 6：小组想用 AI"复原"一座地方古桥并作为短片发布。请从"真实性"与"合规"两方面，列出发布前必须完成的动作清单。
答案示例：真实性方面：① 先查后做——测绘/考古/文献依据列出清单，区分"有据、推测、演绎"三层；② 分区建模并命名（如"推测_屋面"），让证据可管理；③ 在成片与说明中显著标注各部分的性质与依据；④ 不把复原结果用于冒充实物照片或官方资料的场合。合规方面：⑤ 若素材涉及真人（照片、人脸、声音）——取得单独同意，管住生物特征信息的使用范围；⑥ 逐条核对所用工具与数据的许可（地域、商用门槛、署名要求），原文存档；⑦ 发布时按《标识办法》做显式（可见标识）+ 隐式（元数据）标识；⑧ 如涉文物主管单位的资料或场景，遵守其管理要求并保留授权记录。最后一条建议：把以上动作写成一张《发布前核对单》，交付时与作品一起归档——这既是自我保护，也是专业主义的标志。
拓展阅读
- 下一章：第 5 章 角色动画生成与编辑——骨架怎么装进网格、动画怎么被生成与编辑。本章表 4-13 的"绑骨前检查"就是它的入场券。
- 场景应用：第 7 章 游戏场景生成——道具如何被摆进场景、光线如何统一，你的"楼台/扁舟/玉盘"将在那里完成布景。
- 工具手册：Blender 官方手册的"UV 展开""重拓扑""PBR 材质"章节——本章实践二、三的操作说明书。
- 标准与规范：Khronos glTF 规范（材质与通道打包的权威出处，对照表 4-10 阅读效果最佳）。
- 事实来源：本地研究报告《三维模型生成：路线、瓶颈与评测的事实地图》及各工具官方页面——本章所有参数与许可条款的核对起点；记住"三源核验"：官方文档 > 官方页面 > 二手转述。