MeshFlow: Mesh Generation with Equivariant Flow Matching

삼각형 메시를 동등변환(optimal transport) 플로우 매칭으로 직접 생성하여 자기회귀 방식 대비 18배 빠른 속도로 SOTA급 품질을 달성하는 MeshFlow를 제안한다.

3D 메시 생성에서 기존 자기회귀 방식의 느린 추론 속도와 긴 시퀀스 의존성을 극복하기 위해, MeshFlow는 메시를 'triangle soup'으로 표현하고 동등변환(equivariant) optimal-transport 플로우 매칭을 적용한다. 핵심은 면의 순서 불변성과 각 면 내 꼭지점 순서 불변성을 모두 보존하는 수정 DiT 아키텍처와, 대칭성 위반 학습 신호를 제거하는 nested OT 손실 함수다. ShapeNet 벤치마크에서 SOTA 자기회귀 모델과 동등한 메시 품질을 달성하면서도 18배 빠른 1초 미만 추론을 실현했다.

핵심 요약

• 메시를 triangle soup으로 직접 표현하여 자기회귀 직렬화의 한계(느린 속도, 오류 누적)를 회피
• 면 순열 불변성 + 꼭지점 순환 불변성을 모두 보존하는 Equivariant DiT 아키텍처 설계
• 대칭성 위반 학습 신호를 제거하는 nested optimal transport 결합(coupling) 손실 도입
• ShapeNet 4개 카테고리 중 3개에서 최고 1-NNA 달성, SOTA 자기회귀 모델과 동등 품질
• 추론 속도 18.55배 향상: 자기회귀 대비 sub-second 메시 생성
• 후처리 denoiser로 자기 교집합률(Ri)을 약 56% 감소시키며 추가 지연은 무시할 수준

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.