随着三维扫描、渲染与制造技术的发展,三维数字几何模型在娱乐、医疗、工业制造等领域取得了广泛的应用。如何有效的获取三维模型,一直是计算机图形学领域的基础而重要研究问题。作为三维建模主流方法之一,实例建模技术从提出以来就一直受到了学术界的广泛关注。实例建模技术从已有的三维模型集合出发,发掘出模型集中的模型构成规律,并以此指导构建新模型,来简化建模过程。如何提高实例建模方法建模结果的合理性和多样性,是实例建模技术的关键问题。本文从模型构成规律的不同粒度出发,对实例建模技术进行了深入研究,取得的成果包含以下几个方面:(1)设计了一种结构和形状分离的实例建模框架。该框架将模型的构成先验按照粒度的不同,分为全局结构信息和局部形状信息。首先利用模型的组件分割和对应技术,将模型结构信息和形状信息进行分离。其次利用表示学习的方式,分别学习结构和形状的构成规律。最后利用组件包围盒信息,将两种构成信息进行融合,完成新模型的构建。该框架通过考虑模型的不同粒度的构成信息,提高了建模结果的多样性。(2)提出并实现了一种基于表示学习的模型结构生成方法。该方法针对模型结构的差异性,提出了同构表示方法,来对模型不同的结构进行统一表示。在同构表示的基础上,使用了基于全连接网络的自编码器,学习出同构表示的构成规律,并通过在编码空间采样生成新的模型结构。另外,提出了两种合理性约束,来检验生成的模型结构的合理性并对检测结果进行了可视化。(3)设计并实现了一种基于表示学习的组件形状生成方法。该方法使用体素表示模型组件的不同形状。利用基于三维卷积的自编码器来学习各类别组件的形状构成规律,并通过编码空间采样生成新的组件形状。另外,提出了尺寸归一化的处理策略,来消除组件尺寸对体素表示的影响。针对生成形状真实感不足的问题,引入了对抗学习框架,提高了生成结果的真实感。