Meshy T2：用 Flow Matching 加速原生网格生成

导语

在电影、游戏和交互式 3D 内容制作中，多边形网格仍是最常见、也最容易进入生产管线的表面表示。问题在于，很多 AI 网格生成方法会先把网格序列化成 token，再像语言模型一样自回归解码。这种路线虽然直观，但推理速度慢，而且前面一步的错误会向后累积，难以满足交互式资产创建对速度和稳定性的要求。

Hugging Face Daily Papers 收录的论文《Meshy T2: Fast Native Mesh Generation with Flow Matching》提出了另一条路径：不把网格当作长序列逐步吐出，而是用 Flow Matching 构建一个更并行、更“原生”的网格生成框架。

核心要点

• 顶点级连续表示：Meshy T2 的核心是 vertex-set mesh VAE。它把一个网格编码为“每个顶点一个连续潜在 token”，避免了顶点量化或后处理焊接带来的精度损失。
• 单次解码网格结构：该 VAE 不只恢复顶点位置，还会在一次前向过程中解码边连接关系和面的绕序，因此目标是保留更接近艺术家建模习惯的拓扑结构。
• 粗到细的两阶段生成：系统先用图像条件体素流生成一个粗略占据体，作为整体形状脚手架；随后网格流在图像、体素脚手架和用户请求的顶点预算约束下生成每个顶点的潜在 token。
• 面数控制更直接：论文强调，用户可以通过指定顶点预算来影响最终网格复杂度，这对游戏和实时应用中的资产规格控制尤其重要。
• 支持多部件资产：多部件对象并非通过额外拆分流程得到，而是从生成出的连接关系中自然出现。

意义与影响

Meshy T2 的价值在于把网格生成从“逐 token 写出”转向“并行流式合成”。论文称，其端到端图像到网格生成的中位时间为 6 秒，比自回归基线快一个数量级以上，并在几何保真度上达到当前先进水平。若这一结果在开放代码和权重后得到复现，它可能降低 3D 资产草模生成、概念验证和交互式编辑的等待成本。

当然，从论文摘要能看到的仍主要是框架与实验结论，实际生产可用性还取决于开源实现、数据覆盖、材质与纹理配合、拓扑在不同 DCC 工具中的兼容性等因素。但就方向而言，Meshy T2 击中了 3D 生成最实际的痛点：不仅要“长得像”，还要快、可控，并尽可能输出能被下游直接处理的网格。

来源：Hugging Face Daily Papers