Problem

現有的自回歸 3D 網格生成模型面臨兩大核心挑戰：一是 Token 化效率低下，導致生成的序列過長，難以擴展至高多邊形（high-poly）模型；二是缺乏局部幾何資訊的引導，生成過程僅依賴全域形狀嵌入，而無法掌握細部的表面特徵。

Method

提出名為 MeshWeaver 的框架，將網格生成視為一種「表面編織」過程。其核心技術為多尺度稀疏體素編碼器（sparse-voxel encoder），透過三種方式將幾何脈絡注入生成過程：提供體素特徵作為頂點表示、利用交叉注意力機制引導 Token 預測，以及將體素作為結構支架以約束生成範圍。此外，其階層式設計能在單一解碼步驟中完成由粗到細的頂點預測。

Results

實驗證明 MeshWeaver 達到了 18% 的先進壓縮率，並能生成包含多達 16,000 個面（faces）的高品質網格。相較於先前方法，本模型在幾何忠實度（geometric fidelity）與運算效率上均有顯著提升。

Significance

本研究成功克服了傳統序列模型在處理複雜 3D 幾何時的運算負擔，為大規模、高精度的生成式 3D 建模開闢了新路徑，顯著增強了生成模型對於局部幾何結構的掌控與表達能力。