在浏览器端承载工业设备的三维展示与交互，瓶颈往往不在渲染管线，而在首屏资产体积与加载顺序：整包下载导致可交互时间被拖长，而人工拆模型、定 LOD 又难以维护。本实验尝试把「拆包」交给模型判断，而非完全依赖美术经验。
方法上分三步：先用视觉-语言模型对原始网格做语义分组，识别出机架、模组、面板、线缆等功能单元；再结合交互路径（用户通常会转动、放大、点选的区域）把这些语义单元归并为若干加载块；最后按块生成多级 LOD，配合几何压缩与纹理转码，在 Web 端做渐进式下发——先给轮廓与可点选代理，进入视野或触发交互时再补齐细节。
阶段性进展：
- 在一套约 210MB 的产线设备展厅模型上，首屏资产降至约 38MB，中等移动设备可交互时间由约 12s 缩至约 3.2s，语义分块的误并率（把应独立的功能单元合到一起）约 6%，主要集中在密集线束区域。
- 下一步计划：把分块粒度与用户视线/操作热力图联动，做预测式预加载；同时评估 WebGPU 后端对高精度网格流式补丁的收益，并补充语义分块的人工校正入口，避免自动结果不可回溯。
评论