LATO.2: 정점 및 토폴로지 플로우를 사용한 분해된 3D 메쉬 생성

초록

정교하게 설계된 잠재 표현에 기반한 흐름 매칭(flow matching)은 최근 위상 인식 메시 생성(topology-aware mesh generation)을 위한 강력한 패러다임으로 부상하고 있다. 그러나 기존 접근법은 정점(vertex)과 연결성(connectivity)을 공동 잠재 공간에서 함께 모델링하여, 연속적인 정점 기하 구조와 이산적인 조합 구조를 얽히게 만든다. 이는 흐름 학습을 복잡하게 만들고, 정점의 표류(drifting)와 표면의 파손(broken surfaces)으로 이어진다. 본 논문에서는 LATO.2를 제안한다. 이는 메시 생성을 정점 흐름(vertex flow)과, 실현된 정점을 조건으로 하는 연결성 흐름(connectivity flow)으로 분해하는 프레임워크로, 두 단계 모두 공유된 조밀 복셀 스캐폴드(coarse voxel scaffold)에 기반한다. 전용 VAE가 두 단계를 뒷받침하며, 서브 복셀 정밀도(sub-voxel precision)로 정점을 복원하고 이산 연결성을 연속 잠재 공간에 임베딩한다. 본 논문에서는 이러한 분해만이 제공하는 두 가지 이점을 입증한다: (i) 부분별 생성(part-wise generation)으로, 스캐폴드를 분할하고 각 부분을 전체 잠재 용량(full latent capacity)으로 합성하여 단일 잠재(monolithic latent)가 허용하는 것보다 훨씬 더 높은 해상도의 메시를 얻는다; (ii) 위상 적응 편집(topology-adaptive editing)으로, 첫 번째 단계의 정점을 조작하면 재최적화 없이 해당 연결성이 유도된다. 실험 결과, LATO.2는 기하학적 충실도(geometric fidelity)와 연결성 품질(connectivity quality)에서 최신 위상 인식 메시 생성기를 능가한다.

English

Flow matching over carefully designed latent representations has recently emerged as a powerful paradigm for topology-aware mesh generation. Existing approaches, however, model vertices and connectivity jointly in a joint latent space, entangling continuous vertex geometry with discrete combinatorial structure; this complicates flow learning and manifests as drifting vertices and broken surfaces. We present LATO.2, a factorized flow matching framework that decomposes mesh generation into a vertex flow followed by a connectivity flow conditioned on the realized vertices, with both stages anchored to a shared coarse voxel scaffold. Dedicated VAEs underpin the two stages, recovering vertices at sub-voxel precision and embedding discrete connectivity into a continuous latent space. We demonstrate two advantages unique to this factorization: (i) part-wise generation, in which the scaffold is partitioned and each part synthesized at full latent capacity, yielding substantially higher-resolution meshes than a monolithic latent permits; and (ii) topology-adaptive editing, in which manipulating first-stage vertices induces the corresponding connectivity without re-optimization. Experiments show that LATO.2 surpasses state-of-the-art topology-aware mesh generators in geometric fidelity and connectivity quality.