用 AIGC 生成游戏美术资产（贴图、立绘、场景概念图）的管线怎么搭？质量控制怎么做？

先这样答

管线五步。风格锚定：把项目的美术风格做成参考图集和风格描述，生成时作为条件输入，保证批量产出不跑风格。批量生成：按资产清单批量出图，每个资产出多个候选。自动筛查：用审美质量评分模型过滤明显崩坏的图（肢体错误、构图混乱），再用风格相似度过滤偏离锚定的结果。人工精修：美术从筛后的候选里挑、改，AIGC 的产出当中间稿不是终稿。资产入库：通过审核的资产带元数据（风格标签、可复用场景）进资产库，供后续项目复用和作为新的风格锚定素材。

质量控制的两个核心。风格一致性：同一项目的贴图和立绘要有统一的视觉语言，靠参考图约束生成、靠风格相似度指标做量化筛查，超阈值的候选直接淘汰。分层质检：概念图阶段容忍度高、出图快，允许大量废片；接近终稿的资产要走严格的人工审查，玩家看得见的部位（角色面部、主 UI）标准最高。

定位要说准确：AIGC 在概念探索和中间稿环节提效明显，把「从零画」变成「从候选改」；终稿质量、版权清洁、风格定调仍然依赖专业美术。管线里人机比例是关键指标，全自动出片在当前质量水位下不现实。

面试官会怎么追问

• 「风格锚定具体怎么实现？」 参考图加微调两条路：通用模型用项目的风格图集做风格微调或训练 LoRA；或者推理时用参考图做图生图的条件控制。生产上通常组合，LoRA 定基调、参考图控个案。
• 「自动审美评分可靠吗？」 只能做粗筛。评分模型抓明显崩坏（手部、结构错误）的召回不错，但对微妙的艺术判断不行，精筛必须留给人。所以指标设计成「过滤掉多少废片」而不是「选出最好的」。
• 「版权风险怎么管？」 训练数据合规审查、生成结果和已有作品的相似度比对、法务抽检。商用资产上线上前过版权检查是硬流程。

回答的坑

• 宣称「美术要失业了」。答落地管线时要尊重专业美术在风格定调和终稿上的不可替代性。
• 不讲质检分层。概念图和终稿用同一标准，要么慢死要么烂死。