论文页面 - PolyFlow: Continuous Topology Embedding Flow Matching for Artist-style Mesh Generation

来源：https://huggingface.co/papers/2606.30673 作者：

,

,

,

,

,

,

,

,

,

,

摘要

PolyFlow 提出了一种使用拓扑嵌入器的连续网格表示，并应用基于 Transformer 的流匹配实现并行网格生成，相比自回归方法，推理速度更快且分辨率控制更精确。

自回归Transformer（https://huggingface.co/papers?q=Autoregressive%20Transformers）通过生成符合艺术家水准的拓扑结构主导了高质量网格生成（https://huggingface.co/papers?q=mesh%20generation），但其固有的顺序解码方式带来了巨大的计算开销，速度比并行生成模型慢数个数量级。另一方面，连续扩散和流匹配（https://huggingface.co/papers?q=flow-matching）方法虽能在多种领域实现高效的并行合成，却无法直接应用于网格：网格连接关系本质上是离散的，与标准的连续噪声注入和去噪操作不兼容。为解决这一根本冲突，我们引入了一个紧凑的拓扑嵌入器（https://huggingface.co/papers?q=topology%20embedder），将离散的网格顶点位置和法线投影为连续的逐顶点嵌入，并能通过时空距离阈值可靠地恢复原始离散邻接信息。在预训练并冻结该嵌入器后，任何原始网格均可完全转换为连续逐顶点状态空间，统一了位置、法线和隐式拓扑属性。基于这一新颖的连续网格表示（https://huggingface.co/papers?q=continuous%20mesh%20representation），我们提出了 PolyFlow——一个基于 Transformer 的流匹配（https://huggingface.co/papers?q=flow-matching）框架，能够以提取的点云特征为条件实现完全并行的顶点状态去噪。推理时，模型通过 ODE 求解器（https://huggingface.co/papers?q=ODE%20solver）快速完成生成，并可通过直接指定目标顶点数量对输出网格分辨率进行显式、精确的控制。在 Toys4K 基准上的大量评估表明，PolyFlow 在 Chamfer Distance（https://huggingface.co/papers?q=Chamfer%20Distance）和 Hausdorff Distance（https://huggingface.co/papers?q=Hausdorff%20Distance）两项指标上均超越了最先进的自回归基线方法。

查看 arXiv 页面 (https://arxiv.org/abs/2606.30673)查看 PDF (https://arxiv.org/pdf/2606.30673)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.30673)

在您的代理中获取此论文：

hf papers read 2606\.30673

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

引用此论文的模型 0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2606.30673 以从此页面链接。

引用此论文的数据集 0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.30673 以从此页面链接。

引用此论文的 Space 0

没有 Space 链接此论文

请在 Space README.md 中引用 arxiv.org/abs/2606.30673 以从此页面链接。

包含此论文的合集 0

没有合集包含此论文

请将此论文添加到合集 (https://huggingface.co/new-collection) 以从此页面链接。