当前各类3D生成工具可以快速产出三维模型资产，但落地到真实设计工作时，生成结果常常出现几何体扭曲、细节残缺、外观与内部结构互相冲突等问题。仅仅实现“生成模型”，并不能满足设计师对于结构合理性、审美质感与实际生产使用的要求。

Circular-DPO算法流程图

针对这一问题，浙江大学设计学团队提出首个针对多阶段生成模型的异策略强化学习方法Circular-DPO，构建偏好反馈闭环，把人类对最终3D资产的选择反馈作用于生成全流程。该策略逐层优化纹理细节与几何造型，实现模型结构、纹理、语义效果协同优化，并且通过筛选机制削弱不良偏好数据带来的负面影响。测试显示Circular-DPO多项指标优于基础模型，有望为游戏、动画、数字创意行业提供更加实用的内容创作工具。

部分三维模型生成结果

本研究由软件学院李泽健研究员团队完成。该成果的第一学生作者是浙江大学工业设计工程硕士生马佳芮。“我们希望借助跨阶段偏好反馈闭环，让3D生成不只停留在‘产出模型’，而是产出兼顾结构逻辑、审美质感、能够真正落地使用的高质量三维资产。”马佳芮分享道。

浙江大学工业设计工程硕士生马佳芮

项目成果：
项目成果于2026年6月发表在计算机视觉领域顶级会议CVPR2026。研究团队：李泽健*，马佳芮，徐涵，郑伟廷，祝阳睿，孟辰烨，陈培，杨灵，杨智渊，杨昌远，杨光，Immanuel Koh，孙凌云。本项目受到国家自然科学基金资助。

论文原文链接：
Zejian Li*, Jiarui Ma, Han Xu, Weiting Zheng, Yangrui Zhu, Chenye Meng, Pei Chen, Ling Yang, Zhiyuan Yang, Changyuan Yang, Guang Yang, Immanuel Koh, Lingyun Sun. Circular-DPO: Aligning Multi-Stage 3D Generative Models via Preference Feedback Loop. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 32592-32601
（*通讯作者）