技术摘要：PolyFlow

问题陈述

自动生成具有“艺术家级”拓扑结构（其特征是清晰、有目的性的连接性和可控的分辨率）的网格，是 3D 内容管线中的一个关键瓶颈。虽然近期的自回归（AR）Transformer 模型（如 PolyGen、MeshGPT、MeshAnything）通过将网格序列化为 Token 序列取得了高质量的结果，但它们存在根本性的局限性：

1. 计算延迟： 自回归解码本质上是顺序的，需要逐个生成 Token。这导致生成时间长达数十秒甚至数分钟，比用于 2D 图像合成的并行生成模型慢了几个数量级。
2. 误差累积： 自回归模型的顺序特性会导致序列误差累积，经常导致最终生成的网格出现语义部分缺失或结构不一致的问题。
3. 缺乏分辨率控制： AR 方法通常生成固定的序列长度，使得在不进行重新训练或复杂的后处理的情况下，难以对输出顶点数进行精确控制。

相反，连续生成框架（如流匹配和扩散模型）提供了高效的并行合成能力，但无法直接应用于网格。这是因为网格的连通性（边和面）本质上是离散的（二元存在性），这与假设连续状态空间的标准连续噪声注入和去噪操作不兼容。

方法论

作者提出了 PolyFlow，这是一个基于 Transformer 的流匹配框架，旨在弥合离散网格拓扑与连续生成模型之间的鸿沟。其核心创新是一种新型的连续代理表示，允许整个网格状态（几何与拓扑）进行并行去噪。

1. 连续拓扑嵌入

为了解决离散拓扑与连续流之间的不兼容问题，作者引入了一个拓扑嵌入器（Topology Embedder）。

• 机制： 这个轻量级神经网络以真实的顶点位置和法线作为输入，并为每个顶点输出一个低维连续嵌入（$e_i$）。
• 时空距离： 这些嵌入使用时空距离度量（受 SpaceMesh 启发）进行监督。每个嵌入被分为空间（$e^s$）和时间（$e^t$）分量。如果两个顶点 $i$ 和 $j$ 之间的时空距离 $d^{st}(e_i, e_j) = \|e^s_i - e^s_j\|^2 - \|e^t_i - e^t_j\|^2$ 低于学习到的阈值 $\tau$，则认为它们之间存在一条边。
• 训练： 嵌入器通过最小化边重建的二元交叉熵损失进行训练。一旦训练完成，它将被冻结并作为一个固定的特征提取器使用。

2. 联合流状态表示

PolyFlow 将几何与拓扑统一为每个顶点的单个连续状态向量：
$$z_i = [p_i, n_i, e_i]$$
其中 $p_i$ 是 3D 位置，$n_i$ 是表面法线，$e_i$ 是冻结的拓扑嵌入。一个拥有 $V$ 个顶点的网格被表示为一个矩阵 $Z \in \mathbb{R}^{V \times (3+3+d)}$。至关重要的是，顶点数 $V$ 是一个显式的输入参数，从而实现了对分辨率的直接控制。

3. 流匹配框架

生成过程被建模为一个流匹配问题：

• 条件化： 模型通过从输入的点云中提取的特征进行条件化，该特征由一个冻结的编码器提供。
• 去噪： 基于 Transformer 的流模型（一种 Flux 风格的 DiT）预测速度场 $v_\theta$，将联合状态 $Z$ 从高斯噪声去噪到数据分布，并进行并行处理。
• 损失函数： 模型使用通道加权的速率匹配损失进行训练，以平衡位置、法线和拓扑嵌入的重建。

4. 推理与解码

• 并行生成： 在推理过程中，用户指定目标顶点数 $\hat{V}$。模型从噪声中初始化 $\hat{V}$ 个 Token，并使用欧拉求解器并行求解常微分方程（ODE）。
• 拓扑恢复： 通过评估成对的时空距离，将生成的拓扑嵌入解码回边。当距离低于阈值 $\tau$ 时，形成边。
• 面提取： 通过从恢复的边集中枚举 3-团（三角形）来提取面。
• 方向校正： 使用生成的表面法线来确定面的统一绕序，从而确保全局向外的定向，无需单独的流形修复。

核心贡献

1. 连续拓扑嵌入： 作者识别出离散网格拓扑是连续生成模型的主要障碍，并通过学习一个可以通过时空距离阈值恢复离散邻接关系的连续嵌入空间解决了这一问题。
2. 联合几何-拓扑流状态： 他们引入了一个统一的 $[p, n, e]$ 状态，由单个 Transformer 进行去噪，取代了自回归解码，实现了完全的并行生成。
3. 精确的顶点数控制： 与 AR 方法不同，PolyFlow 允许用户在生成前指定确切的输出顶点数，从而实现从粗糙到精细的精确分辨率控制。
4. 达到 SOTA 性能： 该方法比 AR 基准模型具有更高的几何保真度（Chamfer 和 Hausdorff 距离），同时提供了显著的速度提升。

实验结果

在 Toys4K 基准测试（点云条件下的网格生成）上进行了评估：

• 准确度： PolyFlow 在 Chamfer 距离（CD）方面优于最强的自回归基准模型（BPT）43%，在 Hausdorff 距离（HD）方面优于 40%。它在这些指标上也表现出更低的标准差，表明生成质量更加稳定。
• 速度： PolyFlow 在数秒内即可生成网格。对于一个 4,000 顶点的网格，PolyFlow 耗时 5.88 秒，而 BPT 需要 138.6 秒，FastMesh 需要 36.72 秒。这代表了相比于 AR 方法数十倍的速度提升，且比 FastMesh 快 6 倍以上。
• 消融实验： 研究发现最佳的拓扑嵌入维度为 32。较低的维度（如 8）无法忠实地编码邻接关系，而较高的维度（如 64）对重建的提升微乎其微，但会增加流模型的学习难度。

意义与主张

论文声称 PolyFlow 成功打破了离散网格拓扑对连续生成模型的固有限制。通过将拓扑提升到连续潜空间，它实现了：

• 高效性： 与顺序自回归解码相比，大幅降低了推理延迟。
• 鲁棒性： 消除了序列误差累积，从而生成的网格减少了破损区域和部件缺失。
• 可控性： 对网格分辨率（顶点数）进行直接、显式的控制，这是标准 AR 网格生成管线此前无法实现的特性。

作者将 PolyFlow 定位为迈向高质量、生产就绪型自动重拓扑的重要一步，使其能够匹配现代 2D 生成模型的效率，同时保留 3D 资产所需的结构完整性。