ArchComplete：基于层次化扩散上采样的自回归 3D 建筑设计生成

近期的 3D 生成模型取得了令人鼓舞的成果，但往往难以捕捉建筑几何与拓扑结构的复杂性，以及高分辨率下的细微几何细节。为此，我们提出了 ArchComplete，一种由矢量量化模型组成的两阶段体素化 3D 生成管道，其构成采用自回归变换器用于生成粗糙形状，随后采用层次化上采样策略进一步丰富细部结构和细节。我们方法的关键在于：（i）学习上下文丰富的局部 patch 嵌入码本，同时优化 2.5D 感知损失以捕捉沿三个轴对齐正交平面投影的全局空间对应关系；（ii）将上采样重新定义为一组从层次化随机裁剪的粗到细局部体积块中学习的条件扩散模型。我们在引入的由完整建模外墙和内饰的 3D 房屋模型数据集上进行训练。ArchComplete 以 $64^{3}$ 分辨率自回归生成模型，并逐步细化至 $512^{3}$，体素尺寸可达约 $9\text{cm}$。ArchComplete 可解决多种任务，包括遗传插值和变体、无条件合成、平面和图纸补全，以及几何细化，同时在质量、多样性和计算效率方面实现最先进的性能。