摘要：生成式AI技术的快速发展正不断降低3D设计门槛，为设计师和创客实现创意提供了强大助力。不过，AI 3D设计工具多采用全局性生成方式，用户在局部调整模型时，可能无意中破坏其关键功能结构，影响最终实体模型的可用性。

生成式AI技术的快速发展正不断降低3D设计门槛，为设计师和创客实现创意提供了强大助力。不过，AI 3D设计工具多采用全局性生成方式，用户在局部调整模型时，可能无意中破坏其关键功能结构，影响最终实体模型的可用性。

非资深设计师用户在面对这些问题时往往表现的力不从心。不过麻省理工学院CSAIL人机交互工程组曾通过一种智能化交互设计工具Style2Fab系统，能够自动将3D模型分割为功能性与美学性元素，提升设计的可控性与成品可靠性。

这一技术为3D设计师提供了更精细的创作控制，有效衔接数字模型设计与3D打印等物理制造技术。在降低门槛、提升效率的同时，也保障了创意落地的可行性与质量，助力更多用户高效、可靠地将设计转化为实体模型。

“ 3D Science Valley 白皮书 图文解析

”

对于许多创客而言，修改或“风格化”在线模型资源库中共享的开源设计是一项关键挑战。这些平台提供了大量可直接打印的3D模型，但是可实现的定制化设置通常仅限于更改预定义的参数。

除了美学呈现之外，3D打印模型通常具有与几何结构直接相关的设计功能。如果用户对整个3D模型进行操作（这可能改变模型整体几何形状）就有可能破坏模型的功能性。“风格化”固然可以有针对性地应用，但这要求使用者能够识别出3D模型中哪些部分会影响功能、哪些部分纯粹是美学性能。

对于非资深设计用户来说，这无疑是一项艰巨的任务。

当然，有时用户可以在CAD工具中标注功能。不过，在线资源库中共享的大多数模型都是缺失这一关键元数据的3D模型。

麻省理工团队提出的方法，能够自动将为3D打印设计的3D网格模型按功能和美学进行分解。也就是说，创客用户可以选择性地对3D模型进行风格化，同时保持期望的原始功能。这一方法将帮助创客更加丝滑地利用AI 3D建模工具进行创作并通过3D打印机制造出作品。

麻省理工团队基于对Thingiverse 3D打印资源库中1000个设计的形成性研究，提出了一种将3D网格几何组件进行分类的方法：

(1) 美学性的，仅贡献于模型美学；

(2) 内部功能性的，与基于组件的模型装配相关；

(3) 外部功能性的，与环境的交互相关。

基于以上分类法，研究团队提出了一种基于拓扑的方法，可以自动分割3D网格，并将这些分割段的功能性归类到上述三个类别中。

为演示这一方法，研究团队推出了一款名为“Style2Fab”的交互式工具，用户通过该工具能够在不改变功能性的前提下控制3D网格。

图1 展示了一种典型应用场景：一位经验不足的创客希望对一个3D打印的自浇水花盆外侧进行风格化。

这位创客用户很清楚底座需要保持平坦，并且模型两个组件的互锁部分应保持不变。但用户不知道如何在这两个3D网格中隔离这些区域。当用户通过Style2Fab处理3D模型时，功能感知分割方法将模型进行了分割，并把底座和互锁段标记为功能性的，自动化地完成了这一繁琐的模型编辑工作。用户仅将风格应用于花盆的外边缘，然后就可以将模型发送给3D打印机进行花盆快速制造。

3D模型功能的形成性研究

3D科学谷了解到，为确保生成式AI在赋能3D模型创意风格化的同时不破坏其物理功能性，麻省理工的团队首先开展了一项形成性研究。他们以Thingiverse平台的993个热门设计为样本，通过定性分析构建了一个核心分类框架，从模型用途（器物型/任务相关型）和功能上下文（外部功能/内部功能）两个维度进行判定，明确区分了模型中关乎稳定性和组装的功能性部件与仅影响美观的美学性部件。据此，任何不具备内外功能上下文的部件均可被标识为纯美学区域，从而允许安全修改。这一分类体系为后续开发功能感知的AI分割算法奠定了理论基础，最终目标在于实现创意表达与功能保全的智能平衡。

图2展示了基于功能性的3D模型分类框架：（a）通过两个维度（器物型/任务相关型、单组件/多组件）定义了四类模型，这些维度分别对应模型与外部环境的交互关系（外部功能）和内部组件间的装配关系（内部功能）；（b）以花瓶和自浇水花盆为例，直观呈现了模型分段中外部功能（如底座接触面）与内部功能（如组件连接结构）的具体表现。

功能感知分割

基于形成性研究构建的功能分类体系，研究团队发展出一套智能化的功能感知分割与分类方案，为实现3D模型的精准可控AI风格化提供了完整技术路径。

首先，采用自适应谱分割算法，通过智能分析网格几何特征自动优化分割粒度，将模型分解为具有语义意义的组成部分；针对现实模型中常见的分辨率差异问题，创新性地采用25k面数统一重采样策略，确保分割结果的稳定性与一致性。

在功能识别阶段，系统引入双向拓扑相似性匹配机制：一方面通过比对部件与已标注样本库的几何特征，精准识别外部功能单元（如支撑面、接触面等）；另一方面通过分析多组件模型间的结构耦合关系，智能检测内部功能接口（如连接件、运动副等）。整个分类系统采用保守安全策略，优先保障功能性部件不被误判，从算法层面杜绝风格化操作对模型实用性的潜在影响。

最终，这些技术被集成到Style2Fab系统中，作为Blender插件为用户提供无缝体验——从模型加载、智能分割、功能标注到选择性风格化，整个流程是自动化与可视化的结合，让用户在发挥创意的同时无需担心模型的功能完整性。

从家居到医疗，三大场景应用展示

麻省理工的研究团队通过一系列精彩案例生动展现了如何在不同领域实现功能保全的智能风格化。从家居装饰到医疗辅助，这些实例充分证明了功能感知分割技术在个性化制造中的强大潜力。

家居空间个性化改造

室内设计成为个性化制造的绝佳应用场景。以智能自浇水花盆为例，这个双组件模型既需要保持内部组装结构的精准配合，又要确保底座稳定性和浇水口通畅性。Style2Fab精准识别了这些功能单元，并对非功能区域成功施加”粗犷多彩的中式陶瓷”艺术风格。最终成品在完美保持自浇水功能的同时，焕发出独特的艺术魅力（图3a）。另一个典型案例是饮料分配器，系统智能保护了内部流通管道和底座结构，同时为外观赋予”复古马赛克玻璃”的视觉效果，实现了实用性与审美价值的和谐统一（图3d）。

医疗辅助设备的美学革新

这一技术展现出赋能个性化康复医疗的潜力。针对一款复杂结构的拇指固定支具，系统智能保留了与皮肤接触的光滑内表面和透气孔洞等功能区域，同时将外部转化为”蓝色针织纹理”的温馨外观（图3b）。此外，研究团队通过对心脏解剖教学模型的纹理化改造，为视障人士创造了触觉可辨的学习工具。不同心脏区域被赋予独特纹理特征，使触觉学习变得更加直观高效（图3e）。

日常配饰的智能升级

在个性化配饰设计领域，这一技术也展示出了精妙应用。比如说，在AirPods保护套改造中，Style2Fab系统在没有预先知识的情况下，自主识别并保护了内部空间结构和充电接口等关键功能单元。应用”摩洛哥艺术花纹”风格后，保护套既保持了完美功能性，又焕发浓郁艺术气息（图3c）。同样，户外哨子的改造案例也展示了美学与功能的良好平衡：在保持共振腔和吹嘴原始结构的前提下，成功赋予其”红木质感”的外观，而全局风格化则因改变内部结构导致功能丧失（图3f）。

赋能”所思即所得”的创作体验

功能感知分割技术突破了传统局限，创造性解决了用户从功能认知到技术参数转化的核心难题。基于该技术的Style2Fab交互工具通过智能分析，将用户从繁琐的技术细节中解放出来，有望实现”所思即所得”的创作体验。随着3D打印社区生态的完善和深度学习技术的进步，这一技术有望建立更强大的功能感知系统，让个性化制造真正实现创意与功能的完美融合。

从MIT Style2Fab对功能与美学的智能平衡，到最近腾讯混元发布的AI工具3D Studio所实现的分钟级建模革命，AI技术正在重塑3D创作的全链路。凭借提高设计模型的“可制造性”，AI技术正成为推动3D打印技术从”可制造”迈向”可靠制造”的幕后之手。当生成式AI与3D打印深度融合，我们正迎来一个”所想即所得”的制造新纪元，每一个创意都值得被完美实现。

知之既深，行之则远。基于全球范围内精湛的制造业专家智囊网络，3D科学谷为业界提供全球视角的增材与智能制造深度观察。有关增材制造领域的更多分析，请关注3D科学谷发布的白皮书系列。

网站投稿 l 发送至2509957133@qq.com

来源：3D科学谷