计算机辅助工业设计为现代工业设计模式带来了根本性的变革,通过数字化、可视化的建模流程,极大提升设计的效率与科学性。计算机辅助工业设计正逐步向智能化发展,随着人工智能技术在各个领域的落地应用,为工业设计智能化提供参考。工业设计对设计的效率以及创意性提出了要求,人工智能技术中学习与推理等能力,可以为工业设计智能化提供支持。本文基于人工智能技术提出一种用于智能合成3D物体外观的深度学习算法,旨在解决工业设计中产品3D外观的智能生成问题。本文首先阐述3D深度学习算法的理论基础,从通用架构、基础组件、优化等方面讨论神经网络的一般构成,最后专门针对3D视觉任务的深度学习架构进行分析,着重讨论深度学习算法3D生成任务中的可行性,为3D智能建模的需求提供理论基础。以3D建模理论以及深度学习原理为基础,本文提出了一种基于生成式对抗网络的3D工业产品外观建模算法。生成式对抗网络是生成任务中应用最广泛的架构,本文针对这种架构定制适用于3D智能建模的深度学习算法,并从生成效率、生成效果等等多个角度对该算法进行评估。最后围绕该算法提出智能工业设计的工程化应用框架,并针对3D打印任务进行验证。针对基于生成式对抗网络的3D工业产品外观建模算法进行分析,发现其生成效率以及局部细节表现力存在可改进之处,本文提出了一种基于场景图理解的工业产品3D外观建模算法。出于更好的适应辅助工业设计的目的,本文提出一种基于场景图理解的3D生成算法,将由粗到精、分布生成的思想引入算法流程中,并结合图神经网络对3D对象的组成关系进行学习与理解,从更细的粒度完成3D对象的生成。本研究提出的深度学习算法与相关解决方案,为计算机辅助工业设计领域中3D产品外形生成智能化提供参考,具有较高的现实应用价值。