OptimusMesh：16个潜在支点驱动低面数网格生成
压缩的是几何条件序列；128倍压缩不等于128倍生成提速
OptimusMesh把2048个带法线的点编码成16个48维潜在支点，再分别自回归生成顶点和三角面索引。它明确以不超过800面的紧凑几何为目标，平均249面；低面数和部分距离指标较好，但F1、分布覆盖与速度并非全面最佳，也没有纹理、UV或PBR输出。
图解主要方法
点云条件缩到16个潜在支点，能否在低面数约束下保住主要几何结构？
- 1
把点云压成带位置的稀疏条件
SLIDE式编码器经四层集合抽象、FPS和多尺度特征传递，将2048个位置+法线点转成16个支点，每点3维位置+45维特征。它们不是仅16个重建表面点，而是含学习特征的压缩接口。
- 2
先生成8位顶点坐标序列
冻结编码器，12层顶点Transformer以支点交叉注意力及均值全局偏置为条件，按z、y、x输出256格坐标；EOS只能出现在完整顶点边界，最多900个顶点。
- 3
再用指针输出三角形连接
顶点编码器建立可变长度索引表，面解码器同时读取顶点与同一支点；每面为NEW_TRI加三个顶点指针。训练用真实顶点，推理用生成顶点，仍存在两阶段误差传递。
- 4
用语法掩码和预算控制复杂度
推理禁止三角形内部重复索引，至少20面后允许STOP，最多800面；另有STOP渐增偏置、边一致性与面积偏置。简单语法合法不保证整体流形、水密或无自交。
- 5
清理后直接导出几何
生成顶点重新量化去重排序，删除退化/重复面、无效索引及未引用顶点。没有后验简化或真值对齐，但仍有这些清理，不能称完全不做任何后处理。
实验与证据
v1全文48361字符及补充6–11节读完，v2全部差异核对；图2视觉核验，实际打开作者项目页。
来源证据网格语料35907：训练28105、验证2552、测试5250；编码器点云语料62846，训练46895。 4.1；表5 ↗
我的解读编码器训练集更大，不能把全部训练只写成28105网格；来源划分在预处理前后保留。
来源证据ShapeNet和Toys4K目标经简化，Objaverse保留自然50–800面资产；所有目标最多800面900顶点。 7.2–7.4 ↗
我的解读“无需后简化”指推理阶段，训练目标仍经过人为复杂度筛选和部分简化。
来源证据平均141顶点249面；MeshAnything335面，MeshRipple4250面。 表1 ↗
我的解读约少25.7%–94.1%面，但基线面预算不同；更少面不单独证明更好拓扑或更多细节。
来源证据450共同对象CD-L1为0.1421、HD0.2705、NC0.5956；F1（2%阈值）0.3570，MeshRipple0.4245。 表2 ↗
我的解读平均/极端距离与法线较优，F1反而落后；归一化几何指标不是现实单位误差。
来源证据MMD0.0813、覆盖0.5657，均落后于若干自回归对照；1-NNA偏离0.5值0.0846较好。 表1 ↗
我的解读1-NNA列已是偏离理想值的量而非原始分类准确率；不能把一项分布指标优胜写成全面生成质量最佳。
来源证据推理15.75秒，FastMesh8.58秒；16条件token对照257。 表3 ↗
我的解读16.1倍是条件长度比，2048/16=128是输入到潜在点数比；方法不是最快，也不是128倍提速。
来源证据同架构16支点15.81秒、32支点28.10、密集2048点34.66；CD分别0.1417、0.1789、0.1647。 表4 ↗
我的解读消融支持此设定的压缩；输出面数也从约307/317降到249，速度差不全来自条件长度。
来源证据编码器约48小时；顶点3张RTX6000Ada约45小时，面模型4张V10032GB约48小时。 4.1 ↗
我的解读离线训练代价不可忽略，编码器完成后两解码器可并行，但不能简单把所有小时当同一种GPU小时。
来源证据统一温度与top-p，面STOP有0.18渐增偏置，薄结构、提前停止和冗余面均有失败例。 9–11 ↗
我的解读没有逐物体挑种子有助可比；固定设置仍可能产生不完整连接，不保证资产可直接绑定或重光照。
开放情况与使用许可
作者项目实际显示Code、Data和独立Video入口Coming soon，已有样例网格交互展示；未核实训练/推理仓库与权重。项目BibTeX中的Conference占位不能当已确认录用会议。
LICENSE论文arXiv非独占托管许可，图2版权归作者，仅用于方法评论；代码、权重和样例资产发布许可未核实。
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
固定解码器、面预算和划分的16/32支点及密集条件消融，支持稀疏条件接口在本设定下有效。
补充材料交代量化、STOP偏置、语法约束和失败样例，比只报告面数更有助复现。
同一组450物体上配对几何比较，同时报告距离、法线、F1，能看到指标间取舍。
反方 · 哪些结论还不够
F1阈值2%是所列自回归方法中最低，尽管CD/HD较优，说明局部覆盖与平均距离并不一致。
16个只计输入点云的条件token，面解码还读取生成顶点；不能说整个注意力记忆仅16token。
输入密度、训练数据、面上限与各基线不完全匹配，推理硬件/计时范围缺充分说明，压缩比不直接等于速度比。
综合判断
为低面数点云到网格提供清晰的条件压缩方案；价值是结构和复杂度的折中，不是高细节、完整材质或全指标领先。还需要公开实现及共同面预算下的质量效率曲线。
我会先做的验证
建议实验（尚未执行）：在相同硬件、输入点数与面预算下比较，分别计编码、顶点和面解码耗时；增加薄结构、缺失/噪声点云、流形与水密率，再检验UV接缝、部件编辑和PBR贴图后的资产可用性。