AI资产生成 — 处理 — 应用流程探索
该项目的最终成果为一款发布于Snapchat上的滤镜，用此链接体验（需APP）：
https://www.snapchat.com/unlock/type=SNAPCODE&uuid=2bb53443e03f47eda5bb5478a29b4bfa&metadata=01
或使用浏览器体验：
https://lens.snap.com/experience/078ebe75-5756-47f1-b5f2-157aed386783
1. 简介
本项目旨在探索人工智能生成的3D资源在实时制作流程中的实际应用。
随着人工智能3D生成工具的迅速兴起，创建模型变得越来越容易。然而，这些资源的可用性，尤其是在特定风格或制作需求上仍然参差不齐。本项目致力于评估现有工具、优化生成的资源，并将其整合到可运行的实时AR体验中。
本项目目标不仅在于生成资产，更在于探索如何将它们转化为可直接投入使用的内容。
2. 特定需求下的生成工具评估
本次实验测试了几款基于人工智能的3D生成工具，包括Meshy、Tripo、Rodin和腾讯混元3D。
本次评估旨在生成一条风格化的中国龙，其特征需符合文化准确性，且结构需适合绑定和动画制作。
评估重点关注三个关键标准：结构准确性、与目标文化参照的风格契合度，以及在绑定和动画等下游工作流程中的适用性。
大多工具难以满足要求。常见问题包括比例失调、缺乏对称性、对中国龙特征的错误解读，以及限制其后续可用性的网格问题。
在测试中，腾讯“混元3D”生成的结果最具实用性。其输出结果与预期风格更契合，结构更连贯，拓扑问题更少，因此成为进一步精修的合适起点。
3. AI生成资产的局限性
AI生成的模型提供了一个良好起点，但它在实际应用所需的对称性、材质清晰度和拓扑结构上依旧缺乏。
因此，必须采用标准化的后处理工作流，才能使该资产进入实际应用。
4. 面向生产环境的后处理流程
① 高模重建（ZBrush）
第一步是对高模进行重建，修正结构瑕疵，为后续处理做好准备。
② 重拓扑与UV准备
将高模重新导入混元3D进行重拓扑，生成具有干净基础拓扑结构的低模（约1.5万面）。
在Maya中重建UV（重拓扑后丢失），从ZBrush导出的对称模型中转移基础颜色，并创建额外元素（如眼球），同时为高模和低模分别应用正确的UV。
③ 材质与纹理准备
将贴图从高模烘焙至低模，并在Substance Painter中优化材质，修正不一致，并定义PBR属性以供实时渲染使用。
6. 骨骼绑定、动画与实时集成
资产在Maya中完成建模和动画制作，随后导入Lens Studio，以实现实时AR交互。
7.结论
该项目表明，尽管人工智能显著提升了3D资产创作初始阶段的效率，但生成的结果尚无法直接用于实际生产。为确保结构完整性、材质一致性以及在实时环境中的可用性，结构化的后处理流程仍必不可少。
在这一工作流程中，人工智能更像是一个起点，而非完整的解决方案。其价值在于缩短早期制作时间，而若想达到质量标准，仍需借助传统工具与人工精细调整。
该项目还凸显了AI资产生成可控性的重要性，特别是在处理具有特定特征的设计（如风格化的中国龙）时。
提高该领域的精度和一致性，仍是未来工作流的关键发展方向。