30秒生成建模师级Mesh！最大可生成面数提至1600，GitHub揽星1.9k
内容提要
南洋理工大学、清华大学、帝国理工学院、西湖大学等研究人员完成了MeshAnything V2项目，使用Adjacent Mesh Tokenization（AMT）算法，将最大可生成面数提升到1600。MeshAnything是一个自回归的transformer，以点云为condition，实现高度可控的人造Mesh生成。AMT算法通过优先表达相邻的面片来用一个vertex表达一个面片，提高了性能和效率。
延伸解读
AMT算法如何提升效率
AMT算法通过优先表达相邻面片，仅用一个顶点表示一个面片，使token序列长度减半。由于Transformer计算复杂度为n²，序列减半意味着注意力计算量降低4倍，从而提升生成效率。同时，更紧凑的序列结构有利于模型学习，这是V2性能提升的关键。
点云条件设计的优势
MeshAnything以点云为条件，使其能与多种3D扫描、重建和生成方法结合。这些方法虽输出不同3D表示，但均可采样点云，进而转换为高质量人造Mesh。这种设计还降低了训练难度，因为点云提供了精细形状信息，模型只需学习如何构建符合点云的Mesh，无需学习复杂3D形状分布。
工业应用潜力与局限
传统方法如Marching Cubes生成的Mesh面片稠密，不符合人类直觉，难以用于游戏、电影等3D工业。MeshAnything生成的人造Mesh面片结构更合理，可直接用于工业pipeline。但当前最大面数仅1600，对于复杂模型可能不足，且训练数据限于ShapeNet和Objaverse，泛化能力待验证。
模型规模与扩展潜力
V1和V2均仅使用350M参数的Transformer和100K训练数据，就实现了高质量人造Mesh生成。这表明该方向仍有巨大扩展潜力，未来通过增大模型和数据规模，可能进一步提升生成面数和质量，推动3D内容创作自动化。
Q&A
MeshAnything V2的主要改进是什么？
MeshAnything V2使用了Adjacent Mesh Tokenization（AMT）算法，将最大可生成面数从800提升到1600，并且减少了token sequence的长度，提高了性能和效率。
什么是Adjacent Mesh Tokenization（AMT）算法？
AMT算法通过优先表达相邻的面片，用一个vertex表达一个面片，从而提高了Mesh生成的性能和效率。
MeshAnything如何实现高度可控的人造Mesh生成？
MeshAnything将点云作为条件，通过自回归的transformer逐个生成Mesh的面片，从而实现高度可控的人造Mesh生成。
MeshAnything V2的训练数据来源是什么？
MeshAnything V2使用ShapeNet和Objaverse中的人造Mesh进行训练。
MeshAnything与传统Mesh生成方法有什么区别？
传统方法生成的Mesh面片稠密，面片数往往是人造Mesh的数百倍，而MeshAnything生成的Mesh更加符合人类直觉，适合实际应用。
MeshAnything的应用潜力如何？
MeshAnything的设计使其能够与多种3D生成方法结合，降低训练难度，具有广泛的应用潜力，尤其在3D工业中。
