LATO.2: Geração Fatorada de Malhas 3D com Fluxo de Vértice e Topologia

Resumo

O alinhamento de fluxo sobre representações latentes cuidadosamente projetadas emergiu recentemente como um paradigma poderoso para a geração de malhas consciente da topologia. Abordagens existentes, no entanto, modelam vértices e conectividade conjuntamente em um espaço latente conjunto, entrelaçando a geometria contínua dos vértices com a estrutura combinatória discreta; isso complica o aprendizado do fluxo e se manifesta como vértices dispersos e superfícies quebradas. Apresentamos o LATO.2, uma estrutura de alinhamento de fluxo fatorado que decompõe a geração de malhas em um fluxo de vértices seguido por um fluxo de conectividade condicionado aos vértices realizados, com ambos os estágios ancorados em um andaime de voxels grosseiro compartilhado. VAEs dedicados sustentam os dois estágios, recuperando vértices com precisão sub-voxel e incorporando a conectividade discreta em um espaço latente contínuo. Demonstramos duas vantagens exclusivas dessa fatoração: (i) geração por partes, na qual o andaime é particionado e cada parte é sintetizada com capacidade latente total, resultando em malhas de resolução substancialmente maior do que um espaço latente monolítico permite; e (ii) edição adaptativa à topologia, na qual a manipulação dos vértices do primeiro estágio induz a conectividade correspondente sem reotimização. Experimentos mostram que o LATO.2 supera os geradores de malha conscientes da topologia do estado da arte em fidelidade geométrica e qualidade da conectividade.

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.