随着虚拟现实技术和增强现实技术在工业、娱乐等领域的应用和普及,针对三维模型的需求日益增长。考虑到三维模型在应用层面的精细度和多样性,当前针对三维模型的生产还主要依赖模型师使用专业的建模软件进行设计生产,而依赖手动的建模大大增加了投入的人力和时间。因此为了提高生产效率,实现三维模型的自动化、创意化和精细化的建模是亟需实现的目标。使用深度学习方法从大量三维模型数据中探索模型的结构和几何形状是实现这一目标的重要手段,也已经取得了一定的进展。本文针对三维模型自动化、创意化和精细化的建模方法进行研究,提出了基于点云表示的三维模型几何形状和结构信息的整体-局部建模方案,通过对三维模型隐变量概率空间的探索,能够实现模型的自动化、创意化和精细化建模。本文提出的整体-局部建模方案,使用整体变分自动编码器将模型点云坐标蕴含的空间信息以及部件语义标签蕴含的结构信息结合进行隐变量概率空间的学习,通过从概率空间随机采样生成带有语义标签的整体模型,利用语义标签完成整体模型分割并结合相似部件检索算法从数据集中检索出最相似部件输入局部变分自动编码器进行优化,局部变分自动编码器通过对模型各部件几何形状的探索,能够生成创意性和精细化的部件,最后通过部件拼装算法对优化后的部件进行拼装。为了使整体变分自动编码器能够对模型几何形状和结构同时进行学习,本文设计了一种新的网络结构,并设计了由形状重构损失、结构重构损失和KL散度构成的损失函数对整体变分自动编码器进行训练。通过整体-局部建模方案,从整体变分自动编码器学习的隐变量概率空间进行随机采样即可自动生成多样化的三维模型,并通过优化方案,提高建模的精细度,实现了自动化、创意化和精细化建模。相较于前人,在建模的多样性和精细度上有了一定的提升。本文设计了大量的实验,对算法从定性和定量角度进行分析,展示了算法的有效性。本文还基于提出的算法,实现了一套座椅三维模型自动建模与编辑系统,通过此系统能够完成模型的自动批量生成、单视角重建以及部件层级的编辑,为算法的落地提供了一套原型系统。