本文主要是介绍MeshAnything V2来了！30秒生成建模师级Mesh！最大可生成面数提升至1600.，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
GitHub已揽星1.9k的MeshAnything项目上新了V2版本，由来自南洋理工大学、清华大学、帝国理工学院、西湖大学等研究人员完成。
MeshAnything V2相比V1，使用了最新提出的Adjacent Mesh Tokenization（AMT）算法，将最大可生成面数从800提升到了1600。
只需30秒，AI就能像3D建模师一样，在各种指示下生成高质量人造Mesh。
NeRF、3D Gaussian Splatting生成的三维重建图像Mesh效果如下：
亮点直击
-
文章引入了一种相邻网格标记（AMT）网格标记方法，AMT 只需一半的标记序列长度来表示相同的网格，从而从根本上减少了网格生成的计算负担。
-
MeshAnything 配备了 AMT，并推出了 MeshAnything V2。V2 将可生成的最大面数增加了一倍，同时实现了更高的准确性和效率。
-
大量实验表明，AMT 显著提高了网格生成的效率和性能。
相关链接
项目主页：https://buaacyw.github.io/meshanything-v2/
论文地址：https://buaacyw.github.io/meshanything-v2/MeshAnything_V2_Arxiv.pdf
论文阅读
摘要
我们推出了 MeshAnything V2，这是一种自回归转换器，可生成与给定形状对齐的艺术家创建的网格 (AM)。它可以与各种 3D 资产生产流程集成，以实现高质量、高度可控的 AM 生成。使用相同大小的模型，MeshAnything V2 在效率和性能方面都超越了以前的方法。
这些改进归功于我们新提出的网格标记化方法：相邻网格标记化 (AMT)。与之前用三个顶点表示每个面的方法不同，AMT 尽可能使用单个顶点。与之前的方法相比，AMT 平均需要大约一半的标记序列长度来表示相同的网格。此外，AMT 的标记序列更紧凑、结构更好，从根本上有利于网格生成。我们大量的实验表明，AMT 显著提高了网格生成的效率和性能。
方法
相邻网格标记化说明
与之前使用三个顶点表示一个面的方法不同，AMT 尽可能使用单个顶点。 当无法做到这一点时，AMT 会添加一个特殊标记 & 并重新启动。AMT 平均将 token 序列长度减少了一半。其紧凑且结构良好的序列表示增强了序列学习，从而显著提高了网格生成的效率和性能。
实验
结论
在这项工作中，我们提出了 MeshAnything V2，这是一种形状条件化的艺术家创建的网格 (AM) 生成模型，可生成与给定形状对齐的 AM。凭借我们新提出的相邻网格标记化 (AMT)，V2 在性能和效率方面都明显优于 MeshAnything V1。与以前使用三个顶点表示面的方法不同，AMT 尽可能使用单个顶点。我们的实验表明，AMT 平均将标记序列长度减少了一半。来自 AMT 的紧凑且结构良好的标记序列大大增强了序列学习，从而显著提高了 AM 生成的效率和性能。
限制。 虽然与 V1 相比有很大改进，但 MeshAnything V2 的准确性仍然不足以满足工业应用。需要付出更多努力来提高模型的稳定性和准确性。
这篇关于MeshAnything V2来了！30秒生成建模师级Mesh！最大可生成面数提升至1600.的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
