条带作为词元：使用本机 UV 分割生成艺术家网格

自回归 Transformer 的最新进展展示了生成艺术品质网格的巨大潜力。然而，现有方法采用的词元排序策略通常无法满足专业艺术家的标准，其中基于坐标的排序产生低效的长序列，并且基于补丁的启发式方法破坏了高质量建模所必需的连续边缘流和结构规律性。为了解决这些限制，我们提出了 Strips as Tokens (SATO)，这是一种新颖的框架，其词元排序策略受到三角形带的启发。通过将序列构建为显式编码 UV 边界的连接面链，我们的方法自然地保留了艺术家创建的网格的有组织的边缘流和语义布局特征。该公式的一个关键优点是其统一的表示形式，使得相同的标记序列能够被解码为三角形或四边形网格。这种灵活性有利于两种数据类型的联合训练：大规模三角形数据提供基本的结构先验，而高质量的四边形数据增强了输出的几何规律性。大量实验表明，SATO 在几何质量、结构一致性和 UV 分割方面始终优于先前的方法。项目页面：https://ruixu.me/html/SATO/index.html