MegaParts补收：给不同部件不同数量的形状token
最多300部件的结构生成，仍需长时间解码和后续材质、关节处理
MegaParts以可截断的因果VQ形状表示压缩部件，再按全局布局、部件包围盒和局部形状顺序生成组装体。8月14日首发，今天补收；它让数百可寻址部件进入单一序列，但部件分开并不自动带来语义关节、UV、PBR或实时资产生成。
图解主要方法
图2的前缀形状编码与全局布局序列如何分工，token节省到底发生在哪个阶段？
- 1
训练任意前缀可解码的形状表示
因果VQ编码器和解码器以16至4096的前缀长度重建部件，随机截断迫使前部token先保存主要结构。模型从Cube初始化，结合分阶段冻结、最优传输及采样策略，避免短前缀和完整重建相互破坏。
- 2
离线按几何误差选择部件长度
对九种长度评Chamfer、法线和包围盒失真，加token率惩罚决定每个训练部件预算。约1.8秒每部件的率失真搜索发生在数据准备，不是生成时对每个候选都重新完整搜索。复杂部件得到更多表示容量。
- 3
先生成整体布局，再逐件生成形状
扩展Qwen3-8B词表，先输出全局盒、各部件盒和长度计划，再串行生成局部形状token；解码SDF经marching cubes得到局部网格，按最大盒边等比缩放并平移组装。布局坐标提供控制，但不保证无穿插或机械连接。
- 4
逐级扩大上下文并保留独立部件
训练上下文32k→128k→256k，约44万资产含34万公开、10万私有来源，约千万部件。连通分量不等于语义部件；独立网格便于选择编辑，却没有自动补齐UV、材质图、质量属性或可执行关节约束。
实验与证据
以下为作者报告；已阅读 v1 全文及可用附录，本站未独立执行研究实验。实验条件与编辑解读分别列出。
来源证据【生成质量】PartObjTiny法线图FID43.40，对文本TRELLIS为54.81，CLIP约0.27对0.25。 主生成表与评价协议 ↗
我的解读我的解读：这是几何/法线渲染评测，不能解释为纹理或PBR质量领先；输入条件与辅助信息也需区分。
来源证据【规模与失败】单A80080GB的200–300部件组成功率0.77，低部件组约0.99；部分质量指标仅统计成功样本。 高部件规模与内存附录 ↗
我的解读我的解读：“支持300部件”不代表每次都能成功，OOM或长度上限必须计入交付率。
来源证据【真实耗时】高部件组朴素AR生成6735秒、几何解码1076秒，合计约130分钟；300部件示例188k token、峰值71.24GB。 推理效率、长序列示例与附录 ↗
我的解读我的解读：长序列吞吐仍是瓶颈；优化解码能加速，但不能把300部件示例当实时生成能力。
开放情况与使用许可
项目页链接到MeshCoder仓库；实际README明确MegaParts代码将来在此发布，现有训练推理实现主要属于2025年MeshCoder，不能当作MegaParts已开源。未核实MegaParts检查点或完整训练集。
LICENSE共享仓库现有MeshCoder代码为MIT，但不据此推断尚未发布的MegaParts权重及数据许可；本论文图2为CC BY 4.0。
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
把部件复杂度与token预算对应，扩大显式多部件生成规模，并保留局部寻址和布局控制。
反方 · 哪些结论还不够
长串行解码、失败样本排除、私有训练资产及缺失材质关节管线，限制可复现性和生产即用性。
综合判断
适合作为大型部件组装的几何生成前端；后续仍需语义清理、连接检查、UV/PBR与关节资产工程。
我会先做的验证
未执行的验证方案：按部件数分桶固定总时限，与统一token和分件生成后组装比较；把失败计入均值，测部件语义一致、穿插、薄结构、编辑局部性以及补UV材质和关节所需人工时间。