点击下方卡片，关注「3D视觉工坊」公众号
选择星标，干货第一时间送达
来源：3D视觉工坊
星球内有20多门3D视觉系统课程、3DGS独家系列视频教程、顶会论文最新解读、海量3D视觉行业源码、项目承接、求职招聘等。想要入门3D视觉、做项目、搞科研，欢迎加入！
网格细分（Mesh Subdivision）是计算机图形学中最基础、最核心的操作之一，它将粗糙、可编辑的低分辨率网格转化为光滑细腻的高分辨率表面，广泛应用于数字资产创作、影视动画、游戏开发和CAD工业设计。然而，尽管这一技术已经发展数十年，现有方法在细节恢复和泛化能力上仍面临根本性瓶颈。
经典细分规则过于僵化，而神经细分方法又受限于局部建模——我们究竟何时才能拥有真正智能的网格细分？ 传统的Loop、Catmull-Clark等规则型方案依赖固定的局部模板进行细分，虽然计算高效，但往往产生过度平滑的表面，无法恢复原始几何中的丰富细节。近期兴起的神经细分方法虽然在细节合成上有所改进，却仍被局部感受野所束缚，面对复杂拓扑和开放曲面时泛化能力严重不足。这一困境在影视级高精度资产生产和3D扫描后处理等场景中尤为突出。
更深层的问题在于，现有方法都将网格细分视为一个孤立的"空间插值"问题，忽略了细分过程本质上是一个由粗到精、逐级演化的序列生成过程。华中科技大学研究团队提出的SubdivAR框架首次将网格细分重新表述为自回归下一尺度预测问题，从根本上突破了这一精度天花板。
华中科技大学提出的SubdivAR框架，首次将网格细分重新表述为自回归下一尺度预测问题，创新性地引入混合拓扑感知Transformer，并在自建的FII-40K数据集（近40000个高质量网格）上进行训练。实验表明，SubdivAR相比SOTA基线将Hausdorff Distance降低18.8%，Chamfer Distance降低14.2%，并首次在复杂开放曲面上展现出强大的鲁棒性，暴涨网格细分精度。
论文信息
标题：SubdivAR: Autoregressive Next-Scale Prediction for Neural Mesh Subdivision
作者：Huipeng Guo, Zikai Song, Hang Long, Jielei Zhang, Wenbing Li, Junkai Lin, Tianhao Zhao, Jinshen Zhang, Tianle Guo, Wei Yang
机构：Huazhong University of Science and Technology (HUST)
原文链接：https://arxiv.org/abs/2606.27088
代码链接：即将开源（敬请关注）
导读
网格细分是将粗糙、可编辑的网格转换为高分辨率表面的基础操作，在数字资产创作中具有广泛应用。经典的基于规则的细分方案依赖固定的局部细化规则，往往产生过度平滑的表面。近期的神经细分方法虽然在细节合成方面有所改进，但仍受限于局部建模，且泛化能力有限。本文提出SubdivAR，一种基于网格自回归表示（MAR）的神经网格细分框架。MAR将不同细分层级的网格排列为有序尺度序列，将细分重新表述为自回归的下一尺度预测。为支持这一形式化框架，本文引入混合拓扑感知Transformer，结合全局语义注意力与拓扑约束的局部特征聚合。SubdivAR采用下一尺度坐标预测范式，在每个细化阶段回归顶点偏移，在保持细分拓扑的同时恢复精细几何细节。为实现可靠学习，研究团队构建了FII-40K数据集，包含近40000个具有多级细分监督的高质量网格。实验表明，SubdivAR超越SOTA基线，Hausdorff Distance和Chamfer Distance分别降低18.8%和14.2%，并在复杂开放曲面几何上展现出强大的鲁棒性。
效果展示
图 5：定性结果对比本文基于相同粗网格，对比不同模型的细分效果。我们的模型能够利用全局信息，成功还原精细细节（方框标注区域）；而以往算法往往对网格细分结构理解偏差，出现过度平滑或网格畸变问题，本文方法可以有效解决上述缺陷。
引言
在计算机图形学的广阔天地中，网格细分堪称连接"可编辑性"与"视觉质量"的桥梁。艺术家和设计师使用低分辨率、拓扑简洁的基网格进行造型和动画制作，再通过细分操作获得适合渲染和制造的高分辨率表面。从Pixar的Catmull-Clark算法到游戏引擎中的实时细分曲面，这一技术支撑了整个数字内容产业的生产管线。
然而，经典细分算法的固有局限在于其"规则驱动"的本质：无论输入几何如何变化，细分都按照预设的固定模板执行。这种一视同仁的策略固然保证了收敛性和光滑性，却也扼杀了恢复原始高频细节的可能性。艺术家们不得不依靠额外的置换贴图或法线贴图来"伪造"表面细节，增加了管线的复杂度和存储开销。
神经网络的出现为打破这一僵局带来了曙光。近年来，一系列神经细分方法尝试用数据驱动的方式学习从粗网格到细网格的映射，在特定数据集上取得了令人鼓舞的细节恢复效果。但仔细审视这些方法，不难发现它们大多延续了一个共同的假设：细分是一个局部的、静态的空间变换。它们使用局部patch编码器处理每个顶点邻域，然后预测该区域的细分结果。这种设计在简单闭合曲面上表现尚可，一旦遇到具有复杂拓扑结构、大尺度形变或开放边界的网格，局部感受野的局限性便暴露无遗。
华中科技大学的研究团队从一个根本性的问题出发：网格细分的本质究竟是什么？他们认为，细分不是一个孤立的空间映射，而是一个由粗到精的逐级演化序列——每一级细分都以前一级的结果作为条件，逐步注入更精细的结构信息。这一洞察直接导向了自回归建模的范式：将不同细分层级视为序列中的不同时间步，用自回归模型预测"下一尺度"。
基于这一核心思想，团队提出了Mesh Autoregressive Representation（MAR）和SubdivAR框架。这不仅是一种新的模型架构，更是对网格细分问题本身的一次范式革新：从"空间插值"到"尺度生成"。
主要贡献
本文提出SubdivAR，首个将网格细分重新表述为自回归下一尺度预测的神经框架，通过混合拓扑感知Transformer和FII-40K大规模数据集，在细分精度和拓扑鲁棒性上实现双重突破。具体来说，我们的主要贡献如下：
• 我们提出网格自回归表示（MAR）：首次将多层级细分网格组织为有序尺度序列，将网格细分从根本上重新表述为自回归的下一尺度预测问题，突破了传统局部建模的局限。
• 我们设计混合拓扑感知Transformer：创新性地结合全局语义注意力与拓扑约束的局部特征聚合，在捕获长距离几何依赖的同时尊重网格的局部连接关系。
• 我们构建FII-40K大规模数据集：策划并发布了包含近40000个高质量网格、具备多级细分监督的数据集，为神经网格细分的可靠训练提供了坚实的数据基础。
• 我们采用下一尺度坐标预测范式：在每个细分阶段直接回归顶点坐标偏移，在恢复精细几何细节的同时严格保持细分拓扑结构的一致性。
• 我们实现SOTA性能与开放曲面鲁棒性：相比现有最佳基线，Hausdorff Distance降低18.8%，Chamfer Distance降低14.2%，并首次在复杂开放曲面几何上展现出强大鲁棒性。
方法
SubdivAR的方法体系围绕Mesh Autoregressive Representation（MAR）和混合拓扑感知Transformer两大核心组件展开，配合下一尺度坐标预测范式实现从粗到精的自回归细分。
Mesh Autoregressive Representation（MAR）是SubdivAR的概念基石。传统方法将细分视为从层级L到层级L+1的确定性映射，而MAR将整个过程展开为一个有序的尺度序列：M_0 -> M_1 -> M_2 -> ... -> M_N，其中M_0是输入粗网格，M_N是目标精细网格。在这一视角下，细分问题转化为：给定当前尺度的网格M_t，预测下一尺度的网格M_{t+1}。这种自回归形式化具有多重优势：首先，它天然地建模了多尺度结构之间的条件依赖关系，每一级的预测都可以充分利用之前所有层级的信息；其次，它允许模型在生成过程中进行长程规划，避免了局部方法常见的"短视"问题；最后，它为引入外部条件控制（如风格、类别标签）提供了自然的接口。
混合拓扑感知Transformer是实现MAR的技术核心。单纯的全局注意力虽然能够捕获长距离依赖，但会忽略网格的内在拓扑结构——哪些顶点是邻居、哪些边构成面、局部几何是如何连接的。为此，SubdivAR设计了一种混合架构：全局语义注意力负责在不同区域之间传递高层次的结构信息（如"这是一个耳朵，应该连接到头部"），而拓扑约束的局部特征聚合则确保每个顶点的更新都尊重其一环邻域的几何上下文。这种"全局看结构、局部看细节"的分工协作，使模型兼具强大的表达能力和严格的拓扑保持性。
下一尺度坐标预测范式是SubdivAR的输出设计。与预测离散分类或隐式表示不同，SubdivAR在每个细化阶段直接回归顶点的三维坐标偏移。这一设计的直接后果是：输出网格与目标网格在拓扑结构上完全一致（相同的顶点数、边和面连接关系），只有几何位置发生变化。这种"保拓扑、调几何"的策略从根本上消除了拓扑不一致的风险，也简化了后处理管线的复杂度。损失函数方面，采用L1或L2坐标损失直接监督预测顶点位置与真实精细网格之间的偏差。
FII-40K数据集是支撑SubdivAR训练的数据基石。研究团队精心策划了近40000个高质量三维网格，覆盖多种物体类别和几何复杂度，并为每个网格提供了多级细分监督信号。这一数据集的规模和质量远超现有公开数据集，为训练具有强泛化能力的神经细分模型奠定了坚实基础。
实验结果
SubdivAR在多项细分任务和基准测试上进行了系统评估，实验结果全面验证了其优越性。
定量性能对比：与当前最先进的神经细分基线相比，SubdivAR在两项核心几何度量上均取得了显著提升。Hausdorff Distance降低18.8%，表明预测网格与真实网格之间的最大单向距离大幅缩小，意味着即使在最困难的区域（如尖角、薄壁），SubdivAR也能产生更准确的几何。Chamfer Distance降低14.2%，反映整体点云对应关系的平均精度改善，说明细节恢复的全面性和一致性均有提高。
开放曲面鲁棒性：这是SubdivAR区别于现有方法的关键优势之一。传统神经细分方法在开放曲面（如衣物边缘、纸张、薄片）上常常出现边界坍塌、面片翻转或异常凸起等问题。SubdivAR凭借其全局注意力机制和拓扑保持的坐标预测范式，在复杂开放曲面上展现出强大的鲁棒性。可视化结果表明，SubdivAR不仅在闭合曲面上表现优异，在开放边界处同样能够生成合理、连贯的细分结果。
多尺度渐进可视化：通过展示从M_0到M_N的逐级细分过程，可以清晰观察到SubdivAR如何在每一阶段逐步注入细节。早期层级主要恢复大尺度形状和主要结构，后期层级则专注于表面纹理、锐边和微小起伏的精细刻画。这种层次化的细节恢复与人类的观察习惯高度吻合，也为艺术家提供了可解释的渐进式生成过程。
消融实验：作者对MAR表示、混合Transformer架构和坐标预测范式三个核心组件进行了消融研究。结果表明，将细分表述为自回归序列（而非独立映射）带来的增益最为显著；去除全局注意力或局部拓扑约束都会导致性能明显下降；而坐标预测相比其他输出形式（如法线预测或位移贴图）在拓扑保持性上具有不可替代的优势。
总结 & 未来工作
SubdivAR通过将网格细分重新表述为自回归下一尺度预测，为这一经典图形学问题注入了全新的生命力。混合拓扑感知Transformer在全局结构理解与局部拓扑保持之间取得了精妙平衡，FII-40K数据集为领域提供了宝贵的训练资源，而18.8%的Hausdorff Distance降低和14.2%的Chamfer Distance降低则以硬核数据证明了这一范式的优越性。尤为难得的是，SubdivAR首次在复杂开放曲面上展现出神经细分模型的强大鲁棒性，大幅拓展了方法的适用边界。
展望未来，SubdivAR的技术路线具有广阔的拓展空间。首先，将自回归细分框架与文本或图像条件相结合，实现"语义引导的网格细分"，将极大提升数字内容创作的灵活性和可控性。其次，探索更高效的自回归采样策略（如非自回归并行解码或迭代细化），有望在保持精度的同时显著加速推理速度。此外，将MAR和混合Transformer的思想推广到体素、点云和神经场等其他3D表示形式，或将成为统一多表示神经处理的重要一步。最后，FII-40K数据集的公开发布（如后续开源）将极大促进整个神经网格细分领域的研究进展。
对更多实验结果和文章细节感兴趣的读者，可以阅读一下论文原文~
本文仅做学术分享，如有侵权，请联系删文。
。
添加微信：cv3d001，备注：姓名+方向+单位，邀请入群。
