PolyFlow: Kontinuierlicher Topologie-Einbettungs-Flow-Matching zur Erzeugung von Meshes im Künstlerstil

Zusammenfassung

Autoregressive Transformatoren dominieren die hochwertige Gittererzeugung, indem sie künstlerisch wertvolle Topologien produzieren. Allerdings verursacht ihre inhärente sequenzielle Dekodierung einen erheblichen Rechenaufwand und ist um Größenordnungen langsamer als parallele generative Modelle. Andererseits unterstützen kontinuierliche Diffusions- und Flow-Matching-Methoden zwar eine effiziente parallele Synthese in verschiedenen Bereichen, lassen sich jedoch nicht direkt auf Gitter (Meshes) anwenden: Die Konnektivität von Gittern ist inhärent diskret und mit standardmäßigen kontinuierlichen Rauschinjektions- und Entrauschungsoperationen nicht kompatibel. Um diese grundlegende Inkompatibilität zu beheben, führen wir einen kompakten Topologie-Einbettungsmechanismus ein, der diskrete Gitterknotenpositionen und Normalen in kontinuierliche knotenweise Einbettungen projiziert, aus denen die ursprünglichen diskreten Nachbarschaftsinformationen durch Raum-Zeit-Abstandsschwellenwerte zuverlässig rekonstruiert werden können. Nach dem Vortraining und Einfrieren dieser Einbettung kann jedes Rohgitter vollständig in einen kontinuierlichen knotenweisen Zustandsraum überführt werden, der Position, Normale und implizite topologische Attribute vereinheitlicht. Aufbauend auf dieser neuartigen kontinuierlichen Gitterdarstellung präsentieren wir PolyFlow, ein Transformer-basiertes Flow-Matching-Framework, das eine vollständig parallele knotenweise Zustandsentrauschung in Abhängigkeit von extrahierten Punktwolkenmerkmalen ermöglicht. Während der Inferenz generiert unser Modell schnell über einen ODE-Löser und unterstützt eine explizite, präzise Steuerung der Auflösung des Ausgabegitters durch direkte Angabe der Zielknotenanzahl. Umfangreiche Bewertungen auf dem Toys4K-Benchmark zeigen, dass PolyFlow sowohl in der Chamfer-Distanz als auch in der Hausdorff-Distanz die modernsten autoregressiven Basislinien übertrifft.

English

Autoregressive Transformers dominate high-quality mesh generation by producing artist-worthy topologies, yet their inherent sequential decoding induces substantial computational overhead, falling orders of magnitude slower than parallel generative models. On the other hand, while continuous diffusion and flow-matching methods support efficient parallel synthesis across a variety of domains, they cannot be directly applied to meshes: mesh connectivity is inherently discrete and incompatible with standard continuous noise injection and denoising operations. To resolve this fundamental incompatibility, we introduce a compact topology embedder that projects discrete mesh vertex positions and normals into continuous per-vertex embeddings, where the original discrete adjacency information can be faithfully recovered via spacetime distance thresholding. After pretraining and freezing this embedder, any raw mesh can be fully converted into a continuous per-vertex state space unifying position, normal, and implicit topological attributes. Built upon this novel continuous mesh representation, we present PolyFlow, a Transformer-based flow-matching framework that achieves fully parallel vertex state denoising conditioned on extracted point-cloud features. During inference, our model completes generation rapidly via an ODE solver, and supports explicit, precise control over output mesh resolution by directly specifying the target vertex count. Extensive evaluations on the Toys4K benchmark demonstrate that PolyFlow surpasses state-of-the-art autoregressive baselines in both Chamfer Distance and Hausdorff Distance.