MeshCarve：分别压缩顶点与连边，快速生成接近手工布局的网格
0.13 token/面缩短两阶段流序列，但非流形连接仍是明显短板
MeshCarve以稠密点云为条件，先预测粗顶点锚点，再分别用流匹配生成顶点与连边的压缩潜变量。顶点邻接用相对位置的傅里叶特征求和编码，解码后将三角环直接变成面；形状指标较好，但这种组面方式没有流形约束。
图解主要方法
图2怎样分离、压缩顶点和边，为什么快速生成后仍会出现非流形面？
- 1
分别建立顶点和邻接潜空间
图2上半部两个VAE共用架构而非同一个潜变量。VertexVAE编码512³顶点占据，EdgeVAE把每顶点到邻居的相对位置映射为固定128维傅里叶特征并求和；此表示对邻居顺序不敏感，无显式度数槽位上限，但有限维特征不保证任意复杂连接都可无损区分。
- 2
按空间八叉位置压缩
每层把八个子体素经各自可学习投影合并，三级将512³降到64³；只对含顶点的稀疏单元运算。反向上采样恢复八个子特征，顶点解码器逐级预测保留概率并在0.5阈值剪枝，输出体素中心坐标。
- 3
由点云先决定粗锚点
图2下半部点云与粗表面体素进入单次VAE锚点生成器，额外输入目标顶点数。主实验使用后验均值，附录才比较随机后验；锚点固定后，50步顶点流生成VertexVAE潜变量并解码，避免在整个密集64³空间去噪。
- 4
条件连边后枚举面
12步边流读取点云和同锚点顶点潜变量，再由EdgeVAE在生成顶点位置解码，对全部顶点对分类连接。最终每个三角环都输出为一个面，没有面分类器或流形约束；生成错误边可能制造内部面或一条边连接多面。训练时真实顶点、推理时预测顶点的差异在此累积。
实验与证据
已阅读v1正文及附录A–J，包括各基线输入、全部九张表、非流形统计与计时条件；核对作者主页和原图2。未独立运行或训练。
来源证据【数据与输入】558K Objaverse训练，最多20K顶点；185件留出Objaverse、500件Toys4K测试。MeshCarve与LATO.2获得参考顶点数，其他基线没有同样可用的数量输入。 第4节、附录C/F ↗
我的解读我的解读：顶点预算属于额外条件；有面数上限的基线必须看附录同子集比较，不能把主表所有行当完全同样测试集合。
来源证据【表面与结构】Objaverse CD-L2为0.00649、NC0.8529，LATO.2为0.00693/0.8238；Hausdorff0.0789差于MeshFlow0.0547。非流形边Objaverse27.7%、Toys4K17.5%，参考0%/0.2%。 表2、附录D表6 ↗
我的解读我的解读：平均表面改善并不同时改善最大误差或拓扑。真实顶点下非流形仍14.9%/11.7%，所以并非只靠更准顶点就能解决。
来源证据【重建与消融】EdgeVAE消融F1完整0.96965、均值池化0.88111、去RoPE0.40872、联合顶点边潜变量0.92743；部分去组件变体只从原模型微调25K步。 表3/4、附录C ↗
我的解读我的解读：位置和空间压缩重要，但并非所有消融都等预算从零训练。主表EdgeVAE F1仍低于LATO.2，生成优势不能解释为所有VAE重建指标最优。
来源证据【速度口径】RTX PRO 6000 Blackwell Max-Q，24件500–4600顶点资产，热运行均值11.4秒；顶点阶段9.45秒，边阶段1.79秒，排除加载、编译及输入准备。 表1、附录E/I表8 ↗
我的解读我的解读：0.13 token/面是每阶段潜序列压缩比，两阶段仍各自去噪；它不是总调用量。20K顶点与冷启动成本不能套用11.4秒结论。
开放情况与使用许可
论文及附录可访问，作者主页MeshCarve条目只有论文链接；检索并检查未核实实现、权重或可下载评测配置。基线开放不代表MeshCarve开放。
LICENSE实现与权重许可未知；论文为arXiv非独占托管许可，图2版权归作者，仅用于必要方法评论。训练资产的原许可仍独立适用。
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
分离潜变量、空间压缩及位置编码的消融支持设计；同真实顶点上的边生成优于LATO.2，压缩也允许使用更大的流网络。
反方 · 哪些结论还不够
优势同时伴随1.27B/2.37B流模型，不能单归因编码。三角环全枚举与连边分类缺乏流形约束，端到端结构指标仍远离美术参考；11秒计时仅覆盖24件中小网格。
综合判断
紧凑潜空间与分阶段生成是有价值的方法改进，表面还原和运行时间证据清楚；称作手工风格网格不应掩盖拓扑缺陷，现阶段不能直接视为生产重拓扑替代。
我会先做的验证
未执行的验证方案：统一模型容量、顶点预算和计时硬件，加入10K–20K顶点资产；在生成顶点上训练边流，比较加面分类/流形约束的版本。报告非流形、自交、UV展开失败、变形质量及修复耗时，而不只表面距离。