项目重点信息
ScanNet这个数据集在3D场景理解领域被引超过4000次，但它的第一作者Angela Dai，现在不在美国，在慕尼黑工大。她2019年从Stanford CS博士毕业后直接拿到TUM的W2 Tenure Track，又拿了ERC Starting Grant——这是欧洲年轻PI能拿到的最有分量的独立基金之一，5年约150万欧元。一个还在Tenure Track阶段的AP，手上有这个体量的经费，组里8-10个PhD加2-3个博后，这不是常见配置。
导师信息与研究领域
Angela Dai是TUM信息学院（School of Computation, Information and Technology）的助理教授，W2 Tenure Track。她在Stanford师从Pat Hanrahan和Matthias Nießner，博士期间就做出了ScanNet。到TUM后建了3D AI Lab，方向横跨三维场景理解与重建、神经隐式表达、语义场景补全、三维视觉语言多模态、以及室内场景合成与编辑。Google Scholar引用超过8500次，h-index约35。她的合作者包括Matthias Nießner（TUM同事）、来自Google Research和Meta Reality Labs的研究员。
我会先看她近两年的通讯作者论文。一作很多时候是学生，通讯更能看出导师现在在意什么。她2024年CVPR有一篇文本驱动的三维场景生成，这说明组里的方向正在从"理解已有场景"往"生成新场景"方向走。做过NeRF或3D Gaussian Splatting的人如果想接她的题目，RP最好不要只写场景重建，要能说清楚生成任务里的可控性问题怎么处理。
研究问题与关键思路
这个组最值得展开讲的一件事是：她在做的不只是3D视觉，而是在搭一整套"从现实到数字、再从数字回到现实"的pipeline。ScanNet解决的是如何从真实室内场景获取高质量3D标注数据；后续的SG-NN系列解决的是如何从不完整的扫描数据里补全场景；最新的工作则是如何用文本直接生成新的3D场景。这三步加起来，构成了一个从感知到生成的完整研究链条。
对申请者来说，这意味着你不需要在每一步都有经验，但你要能说清楚自己能接上哪一步。做过点云处理的人接场景补全比较顺畅；做过diffusion model或text-to-image的人可以尝试接场景生成；做过SLAM或depth estimation的人可以从数据采集端切入。但如果只是"对3D感兴趣"，没有具体的方法储备，邮件写出来会比较虚。
她的CVPR 2020 Oral那篇SG-NN，核心是用稀疏生成网络做scene completion。这篇的方法思路——用已知的稀疏信号去推断未知的dense结构——在后续很多工作里反复出现。如果要写RP，这条"从稀疏到稠密"的技术路线是一个比较好的切入点。
申请材料要点
CV里如果有3D相关的项目，不要只写"参与了点云处理项目"。补三件事：用了什么数据（ScanNet、ShapeNet还是自采数据）、跑了什么模型（PointNet++、TSDF、NeRF）、最后输出了什么结果（分割精度、补全完整度、生成质量指标）。没做过3D的人，如果有扎实的深度学习工程能力（比如在2D vision上跑过完整的训练pipeline），也可以在邮件里讲清楚这些能力怎么迁移到3D任务上。
邮件第一段不要写"I am interested in your research on 3D scene understanding"。这句话太轻了。更稳的写法是：先说自己做过什么3D或视觉相关的具体工作，再说读到她哪篇论文里的哪个技术细节引起了你的思考，最后说你想把题目缩到哪个方向。
Research Proposal 创新点
主方向：文本引导的可控三维场景编辑。对象是室内场景的neural representation；数据可以从ScanNet或Replica出发；方法上可以结合text encoder + 3D diffusion model；核心问题是如何在保持场景几何一致性的同时实现局部编辑。这个方向直接对接她2024年CVPR的研究线。
次方向：多模态场景补全。用视觉和语言的联合信息去推断被遮挡区域的几何和语义。这个方向连接了她早期的scene completion工作和近期的multimodal方向。避坑：不要写"3D scene understanding的综述性研究"或"NeRF在各种场景下的应用"，这些题目太宽，看不出你要解决的具体问题。
奖学金和学费
TUM的PhD走的是德国制度，不是英美的"录取+奖学金"模式，而是签劳动合同。标准薪资是TV-L E13，全职约税前€4,200/月，税后根据个人情况约€2,600-2,800/月。德国公立大学免学费，每学期仅需约€150注册费。Angela Dai组的PhD由ERC Starting Grant经费直接覆盖，这意味着funding是确定的、独立于学校名额的。
需要注意的是：TUM的PhD有时是75%合同（E13 75%），税前约€3,150/月。具体比例需要在面试时确认。DFG项目的PhD也是类似的合同制。另外，慕尼黑的生活成本在德国属于最高档，租房开销是最大头，建议提前了解学校宿舍或WG（合租）的申请流程。
有3D vision或深度学习工程背景的人，如果能在RP里说清楚一个具体的生成或补全问题，这个组值得认真准备。纯理论没有代码能力的人，建议先补工程基础再考虑。
信息来源：TUM官网、Google Scholar、导师实验室主页、ERC项目数据库。数据截至2026年6月，具体以官方最新页面为准。本文不构成任何承诺。
