想象街角新开了一家魔法甜品店：店面不大，橱窗里也没有摆满蛋糕样品，但只要你走到柜台前，对服务员说一句“我想要一只憨态可掬的柴犬蛋糕，日式和风装饰，陶瓷质感”，魔法师便会点点头走进后厨。几分钟后，一只惟妙惟肖的 3D 立体柴犬蛋糕端到你面前——可以三百六十度旋转欣赏、可以从任意角度拍照、甚至可以直接打包带走。这家店就是 Imagine3D：一个用文字（Prompt）直接“烘焙”出三维模型（3D Model）的 AI 工具。 在这里，点单是一门学问（提示词编写），选装饰套餐是一种品味（风格选择），决定蛋糕的精细程度是取舍（网格质量），打包盒的材质则决定了你能把蛋糕带到哪里（OBJ/GLB 导出）。更真实的是，端出来的蛋糕偶尔会有奶油没抹匀、糖片翘边的小瑕疵，需要你拿回家用小刮刀修整（后处理修复与拓扑优化）。最后你会在实践中发现：这家魔法甜品店的出品，适合快速解馋、摆橱窗、做概念设计，但若要跟米其林大师的雕塑级作品一较高下，还有一段路要走（应用场景与技术差距）。接下来的篇幅，我会带你把这间店从上到下逛个遍。

岗位关联

掌握 Imagine3D，等于让游戏开发者、3D 创作者在 10 分钟内拿到过去需要数小时甚至数天才能建好的原型模型，把宝贵的精力留给真正的创意打磨。

目录
  1. 可视化演示
  2. 工具初识
  3. 提示词编写
  4. 风格选择
  5. 网格质量
  6. 格式导出
  7. 修复优化
  8. 应用实战
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

动态演示Imagine3D文字转三维的核心机制，通过入门/进阶/实战/优化四种模式展示关键概念与交互流程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

Imagine3D文字转三维：Imag Imagine3D工具定位与核 提示词编写与风格选择技巧 核心机制可视化 Imagine3D文字转三维整体架构与关键组件

工具初识

第一次走进 Imagine3D，你会觉得它像一家透明厨房的甜品店：没有神秘的仓库，整个生产流程都摆在眼前。你只需在左侧的订单框里写下想要的东西，选一个装饰风格，按下“生成”，全流程只需几分钟。橱窗里看不到任何现成蛋糕，但每个顾客都能拿到独一无二的定制作品。

Imagine3D 的定位是 AIGC 三维建模工具。传统建模要开 Blender、Maya 一步一步拉点拖面，而 Imagine3D 只需一个自然语言提示词，就能推理出物体的三维结构。它的基本流程是：输入文字 → 选择风格 → 调整网格质量 → 生成预览 → 导出模型。界面通常由提示词输入区、风格选择区、网格质量参数面板、3D 预览窗口和导出按钮组成，默认输出带拓扑结构的网格模型，格式支持 OBJ 和 GLB 两种。

这套流程背后，是 AI 将文字理解与三维空间推理结合起来：先读懂文字，再判断空间里哪些地方“有物体”，最后把物体表面提取成可编辑的三角形网格。

这套流程就像甜品师把订单文字翻译成用料清单，再擀糖皮、塑形、翻模，最后做出一只立体的柴犬蛋糕。你不需要看见后厨里的工艺细节，只需要享受“一句话成模”的魔法体验。

M=Extract(Occ(Enc(T)))\mathcal{M} = \text{Extract}\bigl(\text{Occ}\bigl(\text{Enc}(T)\bigr)\bigr)
AI 先把文字 T 翻译成空间认知，再从中抽取出模型 M 的表面。
  1. 文本编码先把提示词 T 编码成计算机能理解的向量。
    z=Enc(T)\mathbf{z} = \text{Enc}(T)
  2. 占据场预测根据向量 z 预测空间中每个点属于物体内部还是外部的概率。
    O(p)=f(z,p)O(\mathbf{p}) = f(\mathbf{z}, \mathbf{p})
  3. 表面提取用 Marching Cubes 算法把预测的占据场抽成三角形网格。
    M=Extract(O)\mathcal{M} = \text{Extract}(O)

提示词编写

同样走进甜品店，你说“来块蛋糕”，和你说“六寸巧克力圆蛋糕，深棕色镜面淋面，顶端放三颗金箔草莓”，端上来的东西完全不同。Imagine3D 也一样，提示词就是你的订单，写得好不好直接决定模型质量。

写提示词有一套结构化心法，可以拆成三部分：主体描述（这是核心，必须具体）、风格修饰（比如陶瓷质感、卡通萌系、赛博朋克），以及负面提示词（排除你不想要的东西）。例如“一只陶瓷质感的小狐狸”，主体是“小狐狸”，修饰是“陶瓷质感”，负面提示可写“lowpoly、有破损、不要背景”。

建议从短词开始，逐步迭代，一次只改一个变量，观察输出变化。经验法则是：一句话能说清的事，不要拆成十句；一个词能明确的质感，不要换五个近义词。

一份好订单，是把“想要什么”和“不想要什么”都说清楚。多试几轮，你就能摸清这家店的脾气，一句话点到 AI 的心坎里。

S=w1sbody+w2sstyle+w3sexcludedS = w_1 s_{\text{body}} + w_2 s_{\text{style}} + w_3 s_{\text{excluded}}
提示词的综合质量，等于主体、风格、负面约束三方面得分的加权和。
  1. 主体分\(s_{\text{body}}\) 表示模型主体描述得是否明确具体。
    sbody=Clarity(主体描述)s_{\text{body}} = \text{Clarity}(\text{主体描述})
  2. 风格分\(s_{\text{style}}\) 表示风格修饰给模型带来的匹配度。
    sstyle=Match(风格修饰)s_{\text{style}} = \text{Match}(\text{风格修饰})
  3. 负面分\(s_{\text{excluded}}\) 表示负面提示对不想要属性的约束强度。
    sexcluded=Strength(负面提示)s_{\text{excluded}} = \text{Strength}(\text{负面提示})
  4. 加权求和三个分数分别乘上权重 \(w_1, w_2, w_3\)，得到最终评分。
    S=w1sbody+w2sstyle+w3sexcludedS = w_1 s_{\text{body}} + w_2 s_{\text{style}} + w_3 s_{\text{excluded}}

风格选择

甜品店通常有几种装饰套餐：简约北欧风、卡通可爱风、复古华丽风。同样的白色奶油蛋糕胚，加上不同的装饰配件，气质截然不同。Imagine3D 的风格选择区就是这套装饰套餐。

风格是模型的整体美术气质。同一句提示词，选择“低多边形（Low Poly）”会得到棱角分明的游戏风，选择“PBR 写实”会得到接近照片的质感，选择“卡通渲染”则会有日式动画的柔和感。风格本质上是一组特征向量，影响生成阶段对空间分布的约束。

选择风格时，可以在风格库中预览效果，找到与项目美术风格一致的选项。风格不是越炫越好，而是要能放进你已有的场景里不违和。比如“可爱像素风”的柴犬蛋糕，放进欧美写实风格的冒险游戏里就会显得格格不入。

挑风格就像挑装饰套餐：先看客人的喜好，再选定能稳稳托住蛋糕的氛围。风格选对了，模型就成功了一半。

d(p,q)=∑k=1n(pk−qk)2d(p,q) = \sqrt{\sum_{k=1}^{n} \left( p_k - q_k \right)^2}
两种风格之间的距离，用欧氏距离度量；距离越小，风格越接近。
  1. 特征向量\(p, q\) 表示两种风格的 n 维特征向量，每一维描述一个视觉属性。
    p=(p1,p2,…,pn),q=(q1,q2,…,qn)p = (p_1, p_2, \dots, p_n), \quad q = (q_1, q_2, \dots, q_n)
  2. 求差分\(p_k - q_k\) 表示在第 k 个特征上的差异。
    Δk=pk−qk\Delta_k = p_k - q_k
  3. 平方累加把各维差异平方后求和，避免正负抵消。
    ∑k=1nΔk2\sum_{k=1}^{n} \Delta_k^2
  4. 开方最后开方得到两个风格之间的距离，距离越小越相近。
    d(p,q)=⋯d(p,q) = \sqrt{\cdots}

网格质量

有些蛋糕是粗犷造型，轮廓到位就行；有些蛋糕则每一片糖花都栩栩如生。三维模型的精细度，同样可以调节。Imagine3D 的网格质量面板就是调节“蛋糕细节”的旋钮。

计算机里的三维物体，表面是由许多三角形拼接而成的，这些三角形组成的网络叫网格（Mesh）。网格里的三角形越多，表面越光滑、细节越丰富，但文件体积也越大。网格质量设置通常包括低、中、高三档，低模适合快速验证想法的原型，高模适合展示和最终渲染。

关键指标是顶点数（N_vert）和面数（N_face）。面数越高，越接近真实雕塑，但渲染和传输的成本也越高。如果你做的是手机游戏，一个角色多一万个面，整个场景可能就会掉几帧。

选精细度就像决定蛋糕的翻糖工艺：小场景摆件可以用粗线条大轮廓，特写镜头则需要每一根毛流都清晰可辨。想清楚最终呈现的媒介，再决定调多细。

D=NvertAD = \frac{N_{\text{vert}}}{A}
细节密度等于网格顶点数除以模型表面积，密度越高说明同样面积上安排了越多细节。
  1. 顶点数\(N_{\text{vert}}\) 表示网格顶点的总数，顶点是三角形网格的基本节点。
    Nvert=Count(vertices)N_{\text{vert}} = \text{Count}(\text{vertices})
  2. 表面积\(A\) 表示模型表面的总面积，单位通常是平方米或引擎单位。
    A=∑facesArea(face)A = \sum_{\text{faces}} \text{Area}(\text{face})
  3. 细节密度两项相除得到单位面积上的顶点密度。
    D=NvertAD = \frac{N_{\text{vert}}}{A}
  4. 效果解读D 越大，单位面积细节越密，模型越精细；D 越小，模型越粗糙、越像低多边形风格。
    D高⇒细节丰富,D低⇒轮廓粗犷D_{\text{高}} \Rightarrow \text{细节丰富}, \quad D_{\text{低}} \Rightarrow \text{轮廓粗犷}

格式导出

蛋糕做好后，不能裸着端回家。甜品店提供两种打包盒：透明礼盒和带保冷层的密封箱。Imagine3D 的导出按钮，就是在选打包盒——格式为 OBJ 或 GLB。

OBJ 是一种非常通用的文本格式，用记事本就能打开看，只记录顶点和面的几何信息，适合导入 Blender、Maya 继续编辑。GLB 是二进制格式，会把几何、材质、纹理甚至动画打包成一个文件，方便网页和游戏引擎直接加载。如果一个模型要放进 Unity 做交互，导 GLB 会更省心；如果要进 Blender 重新雕刻，导 OBJ 更通用。

导出前建议检查三件事：缩放单位是否统一、坐标轴朝向是否正确、变换是否已应用。这些细节决定了模型进入 Blender 或 Unity 后是否“水土不服”，就像打包前要确认蛋糕不会在盒子里滑动一样。

如果要把它继续送进更多软件加工，选 OBJ 就像透明礼盒，方便拆开重装；如果要做成网页展示或游戏物品，GLB 就是那只锁紧的密封箱，拿到就能用。打包方式不同，目的地也会不同。

G=Binary(V,F,T,M)G = \text{Binary}(V, F, T, M)
GLB 就是把几何、三角面、纹理、材质四样东西塞进一个二进制盒子里。
  1. 几何顶点\(V\) 表示 GLB 中存储的顶点坐标数组。
    V={(xi,yi,zi)}i=1NvV = \{(x_i, y_i, z_i)\}_{i=1}^{N_v}
  2. 三角面\(F\) 表示三角形索引列表，记录哪些顶点构成一个面。
    F={(ia,ib,ic)}F = \{(i_a, i_b, i_c)\}
  3. 纹理数据\(T\) 表示 UV 坐标与纹理图像。
    T={UVi}∪{Image}T = \{\text{UV}_i\} \cup \{\text{Image}\}
  4. 材质信息\(M\) 表示表面的颜色、粗糙度和金属度等参数。
    M={baseColor,roughness,metalness}M = \{\text{baseColor}, \text{roughness}, \text{metalness}\}
  5. 二进制封装四者打包进一个紧凑的二进制容器，方便网络传输与引擎加载。
    G=Binary(V,F,T,M)G = \text{Binary}(V, F, T, M)

修复优化

即使甜品师手艺再高，蛋糕运输途中还是可能磕到边角、奶油出气泡。AI 生成的模型也有类似的小瑕疵：孤立顶点、破面、穿插面，甚至法线方向错乱。

后处理修复是每个 AIGC 建模流程的必备环节。先用自动修复工具，比如 Blender 的 Mesh Analysis 插件，可以高亮显示坏边和坏面；再用重算法线、填充孔洞等操作把模型恢复到可用的几何状态。拓扑优化则是调整网格的结构，在尽量保持外形的前提下减少面数、让三角面分布更均匀，常用的手段有拉普拉斯平滑、减面（Decimate）、重拓扑（Retopo）。

这一步对游戏开发者格外重要，因为实时渲染对面数有硬性预算。AI 生成的模型往往面数偏高且分布杂乱，不加优化就丢进引擎，会白白浪费宝贵的性能。

把模型拿回来，就像拿小刮刀轻轻抹平奶油上的小气泡。AI 的“第一版蛋糕”能省去从零到一的功夫，但最后的抛光与翻模，仍需你亲手完成。

vi′=vi+λ1di∑j∈N(i)(vj−vi)v_i' = v_i + \lambda \frac{1}{d_i} \sum_{j \in \mathcal{N}(i)} (v_j - v_i)
拉普拉斯平滑让每个顶点向周围邻居的平均位置移动，从而消除表面噪音。
  1. 邻域集合\(\mathcal{N}(i)\) 表示与顶点 \(v_i\) 直接相邻的顶点集合。
    N(i)={vj∣与 vi 相连}\mathcal{N}(i) = \{ v_j \mid \text{与 } v_i \text{ 相连} \}
  2. 邻域平均计算周围顶点对 \(v_i\) 的偏移向量并取平均。
    1di∑j∈N(i)(vj−vi)\frac{1}{d_i} \sum_{j \in \mathcal{N}(i)} (v_j - v_i)
  3. 平滑系数\(\lambda\) 控制每次平滑的力度，太大容易塌陷，太小效果不明显。
    0<λ<10 < \lambda < 1
  4. 更新位置把平均偏移乘以系数后叠加到原位置，得到新的顶点位置。
    vi′=vi+λ⋅平均偏移v_i' = v_i + \lambda \cdot \text{平均偏移}

应用实战

当魔法甜品店真正开起来，你会发现它最擅长的是快速出餐、承接节日活动、提供展示样品；而如果顾客要求一件传世级艺术雕塑，你还是要请外援。Imagine3D 的典型应用场景也遵循同样的逻辑。

游戏开发中，AI 可以用来快速产出概念道具——一把魔法剑、一只怪物幼崽，先看三维形态是否成立；电商展示中，商品描述可以一键变成可旋转的三维图，嵌入网页让用户拖拽查看；教学设计里，化学分子、地理地貌等模型也能迅速生成，帮助学生从任意角度观察。这些场景的共同点是“需要快速看到三维形态”。

不过客观地说，当前文生 3D 模型在布线质量、细节精度、动画绑定性上，与 ZBrush、Blender 专业建模仍有明显差距。聪明的工作流是：先用 AI 生成基础模型，再交给专业软件精修。这就像甜品店负责蛋糕胚和奶油打底，米其林大师负责最后一层的艺术装饰。

聪明的店主不会让甜品师又烤蛋糕又雕翻糖。善用 AI 的快速产出，把人的创造力集中在审美决策和细节打磨上，这才是 Imagine3D 真正值钱的地方。

TAI=tprompt+tgen+tfix且TAI≪TmanualT_{\text{AI}} = t_{\text{prompt}} + t_{\text{gen}} + t_{\text{fix}} \quad \text{且} \quad T_{\text{AI}} \ll T_{\text{manual}}
AI 建模总耗时远小于传统手动建模，这是它最核心的效率价值。
  1. 提示词时间\(t_{\text{prompt}}\) 表示编写并调试提示词的时间。
    tprompt=5∼15 分钟t_{\text{prompt}} = 5 \sim 15 \text{ 分钟}
  2. 生成时间\(t_{\text{gen}}\) 表示 AI 生成基础模型的时间。
    tgen=1∼3 分钟t_{\text{gen}} = 1 \sim 3 \text{ 分钟}
  3. 修复时间\(t_{\text{fix}}\) 表示后处理修复和拓扑优化的时间。
    tfix=30∼60 分钟t_{\text{fix}} = 30 \sim 60 \text{ 分钟}
  4. 效率对比三者相加仍远小于传统手动建模所需的小时甚至天数。
    TAI≪TmanualT_{\text{AI}} \ll T_{\text{manual}}

AI 应用场景

游戏道具概念设计

阶段：概念验证与前期制作

解决的问题：传统概念设计要先画 2D 原画再手动建模，几十小时才能看到三维效果；用 Imagine3D 几分钟得到粗模，快速验证造型是否成立。

具体案例：独立游戏开发者需要一把“会发光的龙骨法杖”，输入“龙骨法杖、金属质感、幽蓝光纹”，选择中高网格质量，导出 OBJ 后导入 Blender 精修，半天内落地到 Unity 原型。

电商商品三维展示

阶段：内容生产与素材制作

解决的问题：商品三维展示需要专业摄影和建模成本，换一个颜色就要重拍；AI 直接由商品描述生成可旋转预览模型，成本趋近于零。

具体案例：家居品牌把“陶瓷咖啡杯、简约北欧风”生成 GLB 模型，嵌入网页实现 360 度旋转展示，用户可以用鼠标拖拽查看杯口的釉面细节。

教育课件可视化

阶段：教学设计

解决的问题：教师难以在课件中放入可交互的三维教具，静态图片又缺乏空间感；AI 快速生成抽象结构模型，让知识“立起来”。

具体案例：生物老师用“人体心脏模型、彩色动脉静脉标识”生成 GLB，嵌入网页后学生可自由旋转观察心房与心室的空间关系。

Python 演示

python62 行
"""Imagine3D 辅助工具：检查 OBJ 网格质量并清理孤立顶点"""import sys  class MeshChecker:    def __init__(self, path):        self.vertices = []        self.faces = []        self.used = set()        self.load(path)     def load(self, path):        with open(path, 'r', encoding='utf-8') as f:            for line in f:                parts = line.split()                if not parts:                    continue                if parts[0] == 'v':                    self.vertices.append(tuple(map(float, parts[1:4])))                elif parts[0] == 'f':                    idx = [int(p.split('/')[0]) - 1 for p in parts[1:4]]                    self.faces.append(tuple(idx))                    self.used.update(idx)     def check(self):        missing = [i for i, v in enumerate(self.vertices)                   if i not in self.used]        return len(self.vertices), len(self.faces), missing     def clean(self):        old_to_new = {}        new_vertices = []        for old_idx, v in enumerate(self.vertices):            if old_idx in self.used:                old_to_new[old_idx] = len(new_vertices)                new_vertices.append(v)        new_faces = [tuple(old_to_new[i] for i in f) for f in self.faces]        self.vertices = new_vertices        self.faces = new_faces     def save(self, path):        with open(path, 'w', encoding='utf-8') as f:            for v in self.vertices:                f.write('v %f %f %f\n' % v)            for face in self.faces:                f.write('f %d %d %d\n' % tuple(x + 1 for x in face))  if __name__ == '__main__':    if len(sys.argv) < 2:        print('用法: python mesh_checker.py input.obj [output.obj]')        sys.exit(1)    checker = MeshChecker(sys.argv[1])    total_v, total_f, orphan = checker.check()    print('顶点数: %d 面数: %d' % (total_v, total_f))    if orphan:        print('发现孤立顶点 %d 个，开始清理...' % len(orphan))        checker.clean()        if len(sys.argv) > 2:            checker.save(sys.argv[2])    else:        print('网格质量良好，无孤立顶点。')
目的：读取 Imagine3D 导出的 OBJ 文件，统计顶点与面数，找出未被任何三角形引用的“孤立顶点”并清理，相当于给蛋糕做一次出厂质检。
  1. if parts[0] == 'v':识别 OBJ 文件中以 v 开头的顶点行，并存入坐标列表。
  2. elif parts[0] == 'f':识别以 f 开头的面行，将顶点索引解析成三角形。
  3. idx = [int(p.split('/')[0]) - 1 for p in parts[1:4]]OBJ 的索引从 1 开始，这里减 1 转为 Python 的 0 起始索引。
  4. self.used.update(idx)记录这个三角形用到了哪些顶点，用于后续判断孤立点。
  5. missing = [i for i, v in enumerate(self.vertices) if i not in self.used]找出所有没有出现在任何三角形里的顶点。
  6. old_to_new[old_idx] = len(new_vertices)清理时建立旧索引到新索引的映射，保正面索引正确重排。
  7. f.write('v %f %f %f\n' % v)把顶点坐标写回 OBJ 文件，保留四位浮点精度。

常见误区

误区我写 300 字的超级详细描述，AI 一定能做出完美模型。于是把颜色、材质、背景、灯光、镜头角度全塞进提示词，结果生成的模型反而四不像。

正解过长的提示词会让模型注意力被稀释，输出偏离核心目标。像“陶瓷质感小狐狸”这样 4-8 个关键词往往效果最好。先写主体，再加 1-2 个风格修饰，最后用负面提示排除干扰，比堆砌长句可靠得多。

为何常见：因为大语言模型擅长处理长文本，我们误以为描述越详细，AI 理解越准确，但 3D 生成模型对关键信息的提取能力是有上限的。

误区AI 生成的模型下载下来就能直接放进游戏，不用任何修改。预览窗里转一圈觉得完美，导入引擎才发现各种问题。

正解生成模型只是粗模，通常带有孤立顶点、孔洞、穿插面、法线错乱等瑕疵，需要经过清理修复和拓扑优化才能进入生产管线。跳过这一步，后面渲染、贴图、绑定都会出问题。

为何常见：因为预览窗口转得很流畅，模型也看不出瑕疵，容易忽略隐藏的网格内部问题。

误区都是模型文件，随便导哪个都行。反正都是三维模型，有什么区别？

正解OBJ 是文本格式，记录顶点和面的几何信息，适合继续建模编辑；GLB 是二进制格式，打包了几何、材质、纹理甚至动画，适合网页和游戏引擎直接加载。选错格式会导致纹理丢失或无法编辑。

为何常见：因为两种格式在预览器里都能打开，视觉感受相似，但文件内部结构和应用场景差异很大。

误区所有模型都用最高质量参数生成，面数越多越专业。反正电脑配置够高，不怕跑不动。

正解高面数意味着大文件和高渲染负担，游戏角色往往要控制在数万面内。应根据用途选择网格质量：预览用低模，特写用高模，游戏里要主动减面优化。

为何常见：因为高模渲染图确实更好看，让人忽略了实时渲染的性能预算和移动端的硬件限制。

误区学会 Imagine3D 后，我就不需要学 Blender 或 ZBrush 了，AI 会包办一切。

正解AI 适合快速原型，但在拓扑结构、雕刻细节、动画绑定、UV 展开等环节仍不可替代专业软件。正确的工作流是 AI 生成粗模加人工精修，二者是上下游关系。

为何常见：因为 AI 生成速度太惊艳，让人高估了它的能力边界，低估了专业建模的复杂度。

面试题

Q1. Imagine3D 的核心功能是什么？

单选题 · easy

  • A.把文字描述转换为三维模型← 正确答案
  • B.把三维模型转换为文字描述
  • C.把二维图片转换为三维模型
  • D.把三维模型渲染成二维图片

答案：A。Imagine3D 的核心是文生 3D，输入提示词输出三维网格模型。C 是图生 3D 的范畴，B 是 3D 理解任务，D 是渲染任务，都不是它的核心定位。

Q2. 撰写提示词时，最重要的是什么？

单选题 · easy

  • A.堆砌大量华丽的形容词
  • B.简洁具体地描述主体对象← 正确答案
  • C.只写一个名词不加修饰
  • D.照抄别人成功的完整提示词

答案：B。主体描述是提示词的核心，需要简洁具体。A 会让注意力分散，C 太模糊导致生成结果不可控，D 只能作为参考，最重要的还是把主体说清楚。

Q3. OBJ 文件格式的特点是什么？

单选题 · easy

  • A.二进制，包含完整的纹理数据
  • B.文本格式，适合继续建模编辑← 正确答案
  • C.只能用于网页端加载的轻量模型
  • D.自动包含骨骼权重与动画曲线

答案：B。OBJ 是纯文本格式，记录顶点和面等几何信息，方便导入 Blender、Maya 二次编辑。A 是 GLB 的特点，C 和 D 都不是 OBJ 的典型特征。

Q4. 负面提示词的主要作用是什么？

单选题 · mid

  • A.增加提示词的总长度与复杂度
  • B.告诉 AI 哪些属性是你不想要的← 正确答案
  • C.让 AI 生成更高质量的附加纹理
  • D.指定模型文件导出的具体格式

答案：B。负面提示词用于排除不想要的属性，比如“不要低多边形、不要破损”。它不负责加长文本、提高纹理质量或指定导出格式，那些是其他地方的工作。

Q5. 关于 GLB 和 OBJ 的区别，正确的是？

单选题 · mid

  • A.GLB 是二进制，OBJ 是文本格式← 正确答案
  • B.OBJ 支持动画，GLB 仅存几何
  • C.GLB 只存储三角形面不能编辑
  • D.OBJ 文件体积一定比 GLB 小

答案：A。GLB 是二进制封装，常含材质纹理动画；OBJ 是文本格式，偏重几何信息。B 说反了，C 太绝对，D 的文件体积取决于内容，不能一概而论。

Q6. AI 生成模型常见的网格瑕疵有哪些？

多选题 · mid

  • A.孤立顶点没参与任何面← 正确答案
  • B.破面和孔洞非常明显← 正确答案
  • C.法线方向出现错乱← 正确答案
  • D.自动生成完整骨骼

答案：ABC。孤立顶点、破面孔洞、法线错乱都是 AI 生成模型的常见问题，需要用修复工具处理。D 是骨骼绑定任务，AI 生成阶段通常不会自动完成。

Q7. 关于网格质量与面数，正确的说法有哪些？

多选题 · mid

  • A.面数越高细节越丰富← 正确答案
  • B.面数越高渲染负担越大← 正确答案
  • C.面数越低模型必然丑陋
  • D.应根据用途选择面数← 正确答案

答案：ABD。面数与细节正相关，也与渲染负担正相关。但低面数不代表必然丑陋，低多边形本身就是一种风格，关键是按用途选择合适的精度。

Q8. 拉普拉斯平滑的主要作用是什么？

单选题 · hard

  • A.为网格添加更多的细节顶点
  • B.让顶点向邻域平均值靠拢← 正确答案
  • C.自动修复破损的纹理图片
  • D.把三角网格转换成四边面

答案：B。拉普拉斯平滑让每个顶点向邻域平均位置移动，从而消除表面噪音。它不增加顶点、不修复贴图、也不改变网格拓扑类型，只是让表面更柔和。

Q9. 下列关于拓扑优化的做法，正确的有哪些？

多选题 · hard

  • A.保持外形的前提下减少面数← 正确答案
  • B.让三角面尽量均匀分布← 正确答案
  • C.一律把模型改成一个球体
  • D.优化网格以提升渲染性能← 正确答案

答案：ABD。拓扑优化的核心是在保形的前提下减面、让面分布更均匀，最终提升渲染性能。C 显然是错误的，优化不是把模型改成球体。

Q10. 一个封闭网格如果想正常用于 3D 打印，需要满足什么条件？

单选题 · extreme

  • A.必须是流形封闭表面← 正确答案
  • B.顶点数必须超过十万
  • C.所有面必须统一朝向
  • D.材质球数量必须为偶数

答案：A。3D 打印要求网格是流形（Manifold）且封闭，每条边恰好被两个面共享。顶点数、材质数量没有硬性要求；C 说法不严谨，打印更关注法线是否正确而非机械统一。