论文页面 - Helix4D: 复杂四维网格生成

来源：https://huggingface.co/papers/2605.26109

摘要

Helix4D 通过将 Trellis2 的帧局部注意力适配到跨帧共享，并利用 4D 时间信息扩展 3D 位置编码，实现了高质量动态网格生成。

当前的视频到 4D 方法在处理复杂拓扑变化、透明材质、薄结构和内表面时存在困难。我们提出 Helix4D，一个动态网格生成（https://huggingface.co/papers?q=dynamic%20mesh%20generation）框架，继承了 Trellis2（https://huggingface.co/papers?q=Trellis2）富有表现力的表示，并将其从图像到 3D 适配为视频条件驱动的 4D 生成。我们的设计源于两个关键问题：(a) 如何让 Trellis2（https://huggingface.co/papers?q=Trellis2）的帧局部注意力（https://huggingface.co/papers?q=frame-local%20attention）在跨帧共享信息的同时，保留其在透明物体和内表面等罕见案例上的预训练质量；(b) 如何在不断裂预训练能力的前提下，将时间信息注入纯粹的 3D 位置编码（https://huggingface.co/papers?q=positional%20encoding）。我们通过滑动窗口跨帧注意力（https://huggingface.co/papers?q=cross-frame%20attention）并锚定第一帧来解决 (a)。第一帧由基础 Trellis2（https://huggingface.co/papers?q=Trellis2）模型生成，并通过跨帧注意力（https://huggingface.co/papers?q=cross-frame%20attention）注入到我们的模型中，使其继承 Trellis2（https://huggingface.co/papers?q=Trellis2）在罕见案例上的质量。我们通过 4D 时间编码（https://huggingface.co/papers?q=4D%20temporal%20encoding）解决 (b)，该编码将冗余的低频空间 RoPE 频带（https://huggingface.co/papers?q=RoPE%20bands）重新用于时间，从而将编码从 3D 扩展，无需增加额外参数。大量实验证明了 Helix4D 在 ActionBench（https://huggingface.co/papers?q=ActionBench）和我们自建的挑战性复杂动态集（https://huggingface.co/papers?q=complex%20dynamics%20set）上实现高质量动态网格生成（https://huggingface.co/papers?q=dynamic%20mesh%20generation）的有效性。

查看 arXiv 页面（https://arxiv.org/abs/2605.26109）查看 PDF（https://arxiv.org/pdf/2605.26109）项目页面（https://snap-research.github.io/helix4d/）添加至收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.26109）

在你的 agent 中获取此论文：

hf papers read 2605\.26109

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

尚无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2605.26109 即可从本页面链接。

引用此论文的数据集0

尚无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.26109 即可从本页面链接。

引用此论文的 Spaces0

尚无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2605.26109 即可从本页面链接。

包含此论文的收藏集0

尚无收藏集包含此论文

将这篇论文添加到一个收藏集（https://huggingface.co/new-collection）中即可从本页面链接。