AnchorGen：可定制生成 3D 设计的锚定优化

工程设计通常从固定样式和比例的 2D 草图开始，但随后的 3D 形状优化依赖于学习的生成先验来保持几何形状有效。然而，这些先验对于草图是不可知的：虽然他们通过将漂移的提案纠正回其训练分布来承认有效的设计，但他们经常将其纠正到高密度区域，忽略指定的设计。我们引入了 AnchorGen，这是一个在配对数据的串联形状和草图潜变量上无条件训练的整流流框架。学习到的流形表示形状-草图对的联合分布，因此约束草图组件将迭代限制为与目标样式一致的形状子流形。由于训练不使用条件信号，因此在推理时施加约束：梯度下降优化潜在形状以最小化可微分阻力代理模型，同时通过token明智的余弦惩罚约束潜在草图保持接近目标草图。因此，单个模型支持设计保留优化、尺寸明确的设计编辑和仅草图合成。