Meshy T2:基于流匹配的快速原生网格生成
摘要
Meshy T2 引入了一个基于流匹配的快速原生网格生成框架,结合顶点集网格 VAE,实现了最先进的几何保真度,端到端图像到网格生成中位时间仅 6 秒,比自回归基线快一个数量级以上。
查看缓存全文
缓存时间: 2026/08/03 05:30
论文页面 - Meshy T2:基于流匹配的快速原生网格生成
来源:https://huggingface.co/papers/2607.28675
摘要
多边形网格是现代 3D 流水线中标准的表面表示形式,生成具有艺术家风格拓扑的高质量网格对于电影、游戏和交互式 3D 应用至关重要。主流方法将网格序列化为 token 序列并以自回归方式解码,这种方法在推理时速度较慢且对误差累积敏感,难以满足交互式资产创建的实际需求。我们提出 Meshy T2,一个基于流匹配的快速原生网格生成框架。其核心是一个顶点集网格 VAE,将网格编码为每个顶点一个连续潜在 token,并在单次前向传播中解码顶点、边连接和面的绕序,无需顶点量化或焊接即可保持高精度几何和艺术家创作的拓扑。生成过程以由两个流匹配模型组成的从粗到精级联方式进行:首先,一个图像条件的体素流将整体形状勾勒为粗粒度占据脚手架;随后,一个网格流以图像、脚手架和请求的顶点预算为条件,用逐顶点潜在 token 填充该脚手架。这种设计实现了三个实用能力:通过并行基于流的合成实现交互式生成速度;通过请求的顶点预算有效控制面数;原生支持多部件资产,其组件直接从生成的连接关系中产生。在我们的实验中,Meshy T2 实现了最先进的几何保真度,并能在中位 6 秒内完成端到端的图像到网格生成,比自回归基线快一个数量级以上。代码和权重将在 https://github.com/meshy-dev/meshy-t2 提供。
查看 arXiv 页面 (https://arxiv.org/abs/2607.28675) 查看 PDF (https://arxiv.org/pdf/2607.28675) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.28675)
将此论文放入您的 agent 中:
hf papers read 2607.28675
没有最新版 CLI?curl -LsSf https://hf.co/cli/install.sh | bash
引用此论文的模型 0
暂无模型关联此论文
在模型 README.md 中引用 arxiv.org/abs/2607.28675 即可从此页面关联该模型。
引用此论文的数据集 0
暂无数据集关联此论文
在数据集 README.md 中引用 arxiv.org/abs/2607.28675 即可从此页面关联该数据集。
引用此论文的 Space 0
暂无 Space 关联此论文
在 Space README.md 中引用 arxiv.org/abs/2607.28675 即可从此页面关联该 Space。
包含此论文的收藏 0
暂无收藏包含此论文
将此论文添加到收藏 (https://huggingface.co/new-collection) 即可从此页面关联该收藏。
相似文章
MeshFlow: 基于等变流匹配的网格生成
MeshFlow 引入了一种等变最优传输流匹配模型,用于直接生成三角形网格,在达到最先进质量的同时,相比自回归方法提供了约18倍的推理加速。
PolyFlow:面向艺术家风格网格生成的连续拓扑嵌入流匹配
PolyFlow利用拓扑嵌入器提出连续的网格表示,并基于Transformer实现流匹配的并行网格生成,相比自回归方法推理速度更快且分辨率控制精确。
LATO.2: 顶点与拓扑流分解的三维网格生成
LATO.2是一个用于三维网格生成的分解式流匹配框架,它将生成过程分解为顶点流和基于顶点的连接流,实现了最先进的几何保真度和连接质量。
Mage-Flow:一个高效的原始分辨率基础模型,用于图像生成和编辑
Mage-Flow 是一个紧凑的 4B 参数生成栈,用于高效的文本到图像生成和基于指令的图像编辑,具有共同设计的轻量级分词器(Mage-VAE)和经过整流流匹配训练的原生分辨率多模态扩散变换器。它在单个 A100 GPU 上实现 0.59 秒的高分辨率生成,同时达到具有竞争力的性能。
MeshWeaver: 稀疏体素引导的表面编织用于自回归网格生成
MeshWeaver 提出了一种自回归网格生成框架,它使用多级稀疏体素编码器直接预测顶点,为高多边形网格实现了最先进的压缩率和几何保真度。