ARMESH: 基于下一层次细节预测的自回归网格生成

直接使用自回归（AR）模型生成 3D 网格——这是图形学行业表示 3D 形状的默认格式——近年来流行，因其生成结果锐利、紧凑，能够表示各种类型的表面。然而，AR 网格生成模型通常按字典序逐面构建网格，无法有效捕捉符合人类感知的底层几何结构。灵感来自逐步细化图像的 2D 模型（如当下主流的下一尺度预测 AR 模型），我们提出以渐进粗到细的方式自回归生成网格。具体而言，我们将网格简化算法——即逐步合并网格面以构建更简单网格的过程——视为自然的细到粗过程。因此，我们将网格推广为单纳片复合体，开发了一个基于 Transformer 的 AR 模型来近似简化过程的逆过程，按层次细节顺序构建网格，从单个点开始，通过局部重网格逐步添加几何细节，其中拓扑结构不可预定义且可变。我们的实验表明，这种新颖的渐进网格生成方法不仅通过提前停止自回归过程提供对生成质量和时间消耗的直观控制，还使诸如网格细化和编辑等应用成为可能。