林知远 · 3D Scene Modeling and Simulation Engineer

主导室内多房间场景重建效率优化。基于 PyTorch 实现 Instant-NGP 变体，引入稀疏点云几何先验约束辐射场，将单场景训练收敛时间由 3.5 小时压缩至 1.1 小时（提速 68%），渲染 PSNR 稳定在 32.5 dB 以上。为解决原始扫描点云噪声与空洞对 NeRF 的干扰，编写 Blender 脚本批量生成仿真立体点云，辅以统计滤波与移动最小二乘平滑，将点云配准精度提升至 1.2 cm，玻璃及弱纹理区域重建完整度提升约 40%。设计深度一致性混合损失函数，有效消除室内重复纹理场景中的漂浮物，测试集视图 SSIM 从 0.87 提升至 0.93。同时构建自动化网格精简管线，利用 Blender 几何节点将隐式场转化为轻量 Mesh，面片数压缩至 15%，视觉偏差小于 2%。搭建覆盖点云预处理、NeRF 训练到 Blender 后处理的全流程自动化工具链，替代原手动流程，将单场景交付周期从 6 小时缩短至 1.5 小时，保障项目按期高质量交付。

针对展厅高精度模型在 Web 端加载慢、交互卡顿的问题，基于 Three.js 与 WebGL 重构渲染管线，集成 Draco 压缩与 LOD 动态细分，将首屏渲染时间从 8 秒降至 2.3 秒（缩短 71%），桌面端稳定输出 60fps。为兼容移动端与低性能设备，合并纹理图集并优化 glTF 资源结构，资源体积缩减 67%，在主流中低端手机上实现平均 35fps 的漫游帧率。设计并实现热点交互与自动导览系统，采用路径平滑与视锥剔除策略，将交互响应延迟控制在 30ms 以内，保证点选与拖拽的流畅手感。开发可复用的轻量级渲染模块与自动化资源校验管线，将三维场景从素材导出到 Web 部署的耗时由半日压缩至 1 小时内，有效加速后续多个展厅项目的交付。

独立设计并训练条件生成对抗网络（GAN）城市道路纹理生成模型。自建覆盖 6 类路面材质的数据集，采用对抗训练与特征匹配损失进行优化，纹理生成 FID 降至 12.1（较基线降低 31%），输出分辨率稳定在 2048×2048。将生成纹理集成至 Unreal Engine 程序化建模管线，开发自动道路网格生成与纹理映射模块，实现 100 米道路场景端到端自动构建，时间从人工约 2 小时缩短至 3 分钟内（效率提升约 40 倍）。引入参数化控制逻辑，支持通过道路宽度、曲率、磨损程度、裂纹密度等 12 项参数动态调整纹理与几何细节，输出道路资产可直接用于实时渲染与物理仿真。构建自动化质量评估流水线，基于 LPIPS 与 SSIM 批量验证多视角渲染结果，纹理一致性 LPIPS 达 0.17，在昼夜、阴晴等 5 种光照条件下保持视觉连贯性。将该管线应用于公司内部数字孪生测试场景，单人 2 周内生成覆盖 1.8 平方公里的城市道路网络三维模型，支撑交通流仿真前置可视化需求。

• 主修课程：数据结构（A）、操作系统（A）、计算机网络（A）、机器学习（A+）、计算机组成原理（A-）

• 毕业设计：《基于多模态大模型的跨模态检索系统》，获校级优秀毕业论文

• 荣誉奖项：上海交通大学本科优秀奖学金（Top 5%）、全国大学生数学建模竞赛上海赛区一等奖

凭借基于AI的三维场景重建方案，在2024年全国大学生计算机设计大赛中获得一等奖。