NeurIPS 2026 论文 SILSA：高分辨率 3D 生成新框架降本增效
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载用切片隐变量替代体素
SILSA 的核心做法是改变高分辨率三维生成中隐变量的组织方式。以往这类任务常依赖体素隐变量，并配合先预测活跃结构、再合成局部几何的多阶段流程。这种路线会把连续曲面切碎成大量局部 token，既抬高生成开销，也容易让细薄或高度连通的形状在拓扑一致性上出问题。SILSA 不再生成昂贵的体素 token，而是沿三个标准坐标轴取一组固定的、彼此重叠的切片，每个 token 概括一个局部深度窗口。这样做的目的是保住横截面的连续性，并让生成可以在单阶段整流流中完成。作者把这一框架称为拓扑感知的三维生成框架，其表示形式是紧凑的滑动窗口切片隐变量。
切片编码与共享工作区
在具体实现上，SILSA 用一个 Slice VAE 把有朝向的曲面采样编码成多轴切片隐变量，再通过稀疏体解码器把它们重建出来。为了让不同方向的切片流彼此协调，框架引入了一个 Volumetric Anchor Lattice，让各方向的切片流在一个共享的三维工作区中对齐。结构正确性方面，作者设计了切片级拓扑监督：它匹配持久性图，并在相邻切片之间对齐 Betti 变化。这套组合把编码、重建与拓扑约束串在一起，而不是像多阶段流程那样先定结构再补局部几何。
与已有方案的对比
论文给出的对比对象是稀疏或分层 tokenizer 以及其它更紧凑的基线。按摘要中的说法，SILSA 在结构保真度上更好，同时把生成成本压了下来。具体而言，相比最强的基线，它的 PSNR 有提升，覆盖率有提升，Betti 误差有下降；在 token 用量上，它比次紧凑的基线少用了一部分，而相比稀疏或分层 tokenizer 则少用了更多。训练内存和推理时间也随之下降。定性结果进一步显示，细薄结构、重复部件以及长距离连通性都得到了更好的保留。
适用范围与读者意义
SILSA 面向的是高分辨率三维生成，尤其是那些对拓扑一致性敏感、包含细薄或高度连通形状的对象。它的限制也来自这一取向：方法建立在沿三个标准轴的固定重叠切片之上，依赖切片级拓扑监督来维持结构正确，因此其收益主要体现在结构保真与成本控制这两个维度。对关注三维生成的读者来说，这项工作的意义在于提供了一条不同于体素 token 与多阶段管线的路径——用切片隐变量换取更紧凑的表示和单阶段生成，同时把拓扑约束直接写进监督信号里。该论文被 NeurIPS 2026 接收，项目链接见原文。
为什么值得看
大幅削减 3D 生成的令牌数量与计算开销，同时显著提升结构保真度与拓扑一致性。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。