← 返回 2026-04-14

条带即 Token：原生 UV 分割的艺术家风格网格生成 Strips as Tokens: Artist Mesh Generation with Native UV Segmentation

Rui Xu, Dafei Qin, Kaichun Qiao, Qiujie Dong, Huaijin Pi, Qixuan Zhang, Longwen Zhang, Lan Xu, Jingyi Yu, Wenping Wang, Taku Komura 📅 2026-04-10 👍 56 2026-07-13 08:36

3D网格生成 UV分割条带序列化点云条件生成自回归Transformer 艺术家拓扑

arXiv HuggingFace PDF

用三角形条带作为基本 token 单位，统一生成三角/四边面网格并原生支持 UV 岛分割

前置知识

自回归网格生成 (Autoregressive Mesh Generation)

把不规则的 3D 网格视作离散的 token 序列，让 Transformer 以自回归方式 (类似 GPT 预测下一个词) 逐 token 地生成面片、顶点坐标和拓扑信息。训练时最小化交叉熵损失 $\mathcal{L} = -\sum_{i=1}^{L} \log p(t_i \mid t_{<i}, c; \theta)$，其中 $c$ 是输入条件 (如点云)。这类方法的核心难点在于如何把几何 + 拓扑编码成紧凑、可学习的 1D 序列。

本文 SATO 是自回归网格生成范式下的新工作，必须理解 MeshGPT、DeepMesh、BPT 等前置方法如何序列化网格，才能看清 SATO 用 '条带' 替代 'patch/坐标排序' 的本质差异。

三角形条带 (Triangle Strips)

经典图形学概念：用一条有序顶点序列 $S = (v_1, v_2, \ldots, v_m)$ 表示一个连续的三角形链，每个相邻三角形共享一条边 $f_i = (v_i, v_{i+1}, v_{i+2})$。每新增一个顶点即可确定一个新三角形，相比独立的三角列表能节省大量存储。这是 GPU 渲染时代最常用的网格压缩格式。

条带是 SATO 序列化方案的物理基础：相邻三角形共享边天然保留了艺术家网格的 'edge flow' (边流方向)，让自回归模型在长程结构上更容易学。

UV 展开与 UV 岛 (UV Unwrapping / UV Islands)

把 3D 网格的表面参数化到 2D 平面 (UV 空间) 以便贴纹理。'UV 岛' 是表面被 '切割缝' (seam) 切开后形成的若干连通块，每块在 UV 平面上独立展开。生产级艺术家网格通常精心设计 UV 岛的形状、数量和边界，使纹理贴图紧凑、低失真、对称。

SATO 把 UV 岛边界编码进 token 序列，是第一个 '边生成网格边生成 UV 分割' 的自回归框架。不理解 UV 在生产管线中的作用，就体会不到这一贡献的实际价值。

网格拓扑与边流 (Topology & Edge Flow)

网格的拓扑指面片之间如何连接 (哪些顶点共享哪些边)。'边流' 指艺术家建模时习惯让三角形按主曲率方向排成长条状的局部规则，'好的边流' 让后续 rigging (骨骼绑定)、变形、UV 展开、纹理绘制都更方便。与之相对，Delaunay 三角化和 Marching Cubes 生成的网格只追求数学最优 (最大化最小角) 而无视结构规整。

SATO 的核心动机正是修复 Delaunay 风格方法破坏边流的问题；理解 '艺术家拓扑 vs 几何处理拓扑' 的对比 (论文 Fig. 2) 是看懂 SATO 设计哲学的关键。

分层坐标量化 (Hierarchical Coordinate Quantization)

DeepMesh 提出的坐标离散化方法：把每个顶点归一化到单位立方体，分三层在 512³ 网格上量化，得到元组 $(c_1, c_2, c_3)$，分辨率分别为 $4^3$、$8^3$、$16^3$，$c_1$ 是最粗粒度位置码本，$c_2, c_3$ 是相对父单元的精细位置。配合 '前缀共享'：相邻顶点若 $c_1, c_2$ 相同则省略前缀。

SATO 直接复用 DeepMesh 的量化策略，并在此基础上扩展码本加入 UV 分割和条带过渡 token。不熟悉分层量化就无法理解 SATO 词表 4800 的具体含义。

研究动机

艺术家手工建模的网格与算法生成的网格有本质差异：艺术家网格遵循清晰的边流方向、三角形偏向各向异性而非等边、在高曲率区域加密采样、在 UV 岛边界精心留缝。然而当前主流自回归网格生成方法在序列化阶段就破坏了这些结构。坐标排序类方法 (MeshXL、Meshtron) 把顶点按坐标排序后三元组化，序列动辄上百万 token，模型难以收敛；patch 类方法 (BPT、DeepMesh、TreeMeshGPT) 用 Delaunay 启发式把网格切成 5-7 面的扇形小块，每块都要插入过渡 token 重置前缀共享状态，结果是边缘翻转频繁、边流断裂——这正是 Figure 2 想说明的 '艺术家三角 vs 算法三角' 的鸿沟。更严重的是，这些方法把 UV 分割完全外包给后处理工具 (Blender 拆分 + 参数化 + atlas)，产生额外的接缝和不规则布局，无法端到端保证生产可用性。

本文的目标是本文要交付一个统一的艺术家风格网格生成框架 SATO，三个具体目标：(1) 设计一种新的序列化方案，既保留长程边流连续性又把序列长度压到可学；(2) 让同一套 token 序列既能解码成三角网格也能解码成四边面网格，从而联合训练两种数据；(3) 把 UV 岛边界直接编码进序列，让模型在生成几何的同时原生预测 UV 分割，省掉所有后处理阶段。最终交付一个对标生产管线的 0.5B 参数模型，能在点云条件下一次性输出 '几何 + 拓扑 + UV 分割' 的完整 mesh 资产。

与已有工作不同的是，SATO 的独特切入角度是 '把条带 (triangle strip) 提升到 token 级别'。条带是经典图形学的存储格式，每个新顶点确定一个新三角形、自带共享边结构，与艺术家 '从一条边增量扩展' 的建模流程天然对齐。SATO 进一步把 '条带间的过渡' 和 'UV 岛间的过渡' 两种语义事件融入到同一个最粗粒度码本 $C_1^*$ 的并行扩展集 $C_t^1$ (条带) 和 $C_{uv}^1$ (UV 岛)，既不增加序列长度又携带了高层语义信号。配合 'stride 可切换解码' (三角 δ=1, 四边 δ=2) 这一巧妙设计，三角形和四边形能在同一个序列空间共享几何先验。这种 '序列化层面的几何-拓扑-语义三位一体' 设计在 MeshGPT、BPT、DeepMesh 等现有工作中都没有出现过。

核心方法

SATO 的整体思路是：先用一个条带感知的 tokenizer 把网格压成长程连贯的 1D token 序列 (几何 + 拓扑 + UV 语义一并嵌入)，再用 0.5B 参数的 Hourglass Transformer 自回归预测该序列，最后用 stride 可切换的 detokenizer 把同一序列解码为三角或四边面网格。直觉上：想象一位艺术家从一条边界出发 '拉链式' 不断追加新三角形直到铺满一个 UV 岛，然后跨岛开始下一段——SATO 的 tokenizer 正是用算法复现了这个工作流。技术路线分四步：(1) 分层坐标量化把 3D 坐标变成 4800 大小的离散词表 (含 UV/条带扩展)；(2) 拉链式条带抽取生成基础序列；(3) UV 岛分割 + 前缀共享压缩得到最终序列；(4) 三阶段训练 (三角预训练 → UV 后训练 → 四边微调) 完成全任务学习。

SATO 的核心创新是把 'triangle strip' 从存储压缩技巧升级为生成式结构先验。和已有方法的本质区别在于：(a) 与 MeshGPT 的 '坐标排序三元组' 比，条带序列化序列长度缩短一个数量级，且每一步都有明确的拓扑含义；(b) 与 DeepMesh 的 'Delaunay patch' 比，patch 是局部的 (5-7 面)，每 patch 都要重置前缀共享状态，条带则可以跨越几十甚至上百个面保持同一前缀，spatial continuity 显著更优；(c) 与 QuadGPT 的 '混合 tri/quad token' 比，QuadGPT 把四边形和三角形作为不同 token 类别分别处理，而 SATO 用 stride δ∈{1,2} 切换解码逻辑，让同一序列能 '一鱼两吃'，跨域迁移代价几乎为零；(d) 与 SeamGPT、PartUV 等后处理 UV 工具比，SATO 在生成阶段就把 UV 岛边界显式编码进 token 流，避免了串行管线累积的接缝失真。

方法步骤详情

SATO 方法分四步实现。Step 1 (Hierarchical Geometry Quantization)：每个网格 $M = (V, F)$ 归一化到单位立方体，每个顶点分解为 $(c_1, c_2, c_3)$ 三层 token，对应 $4^3$、$8^3$、$16^3$ 分辨率，$c_1 \in C_{geo}^1$ 是最粗粒度坐标码本。Step 2 (Strip Extraction, 算法 1)：构建 edge-to-face 邻接表，按坐标最低的面作为 seed，把 seed 的三个顶点排序后写入序列，最后两条边作为初始 'frontier edge'；进入循环——沿 frontier 跨到相邻未访问面，δ=1 时追加 1 个顶点 (三角模式)，δ=2 时追加 2 个顶点并交换最后两个以保持 winding order 一致 (四边模式)；当 frontier 落到网格边界或邻接已访问面时停止；选下一个未访问面作新 seed，直到 $F$ 中所有面都被覆盖。Step 3 (UV Segmentation + Prefix Sharing)：按 UV 岛分组，要求 strip 在同一 UV 岛内连续抽取，跨岛时插入 $C_{uv}^1$ token；新 strip 起始点用 $C_t^1$ token (与 $C_{uv}^1$ 同空间位置但语义不同)，它们永远不被压缩、强制重置前缀共享状态；普通顶点若与前一个共享 $c_1, c_2$ 则只保留 $c_3$，得到最终序列 $T$。Step 4 (Training)：模型为 0.5B 参数 Hourglass Transformer (21 层 / 8 头 / 1024 维)；点云编码器为同架构 Hunyuan3D VAE 的轻量版 (12 层 decoder / 1024 token)；训练时随机截取 9K 长度的子序列，KV-cache 推理，温度 $T=0.5$ 采样。

技术新颖性

SATO 的技术新颖性体现在四个层面。第一，把图形学 30 年前的 '条带压缩' 概念引入到现代自回归生成，并改造成 '条带序列即 token 流' 的统一抽象——这是表示层面的突破。第二，'stride-based unified decoding' 用 δ=1/2 切换拓扑解释，让同一序列可同时训练三角和四边数据，并实现双向先验迁移 (论文 Section 5.4.3 证明四边微调能反过来提升三角质量)。第三，'augmented coarsest codebook' 把条带过渡、UV 岛过渡作为同空间位置的不同 token 类别嵌入 $C_1^* = C_{geo}^1 \cup C_t^1 \cup C_{uv}^1$，实现零长度开销的语义标记。第四，'两阶段 UV 训练' (先无 UV 预训练、再 UV 后训练) 解决了 '几何+UV 同时学' 的优化难题——Fig. 19 显示从零开始同时学 UV 会直接塌缩成随机形状，预训练 + 后训练才能既对齐输入又学 UV 语义。这四点组合在一起构成了一个相对完整的体系。

**Fig. 1**: Strips as Tokens (SATO) enables unified, high-quality artist mesh generation with native UV segmentation.

**Fig. 4**: Mesh tokenization with prefix sharing.

**Fig. 5**: Artist-created meshes with UV chart partitions.

**Fig. 6**: Unified representation of triangle and quad using strips.

**Fig. 7**: Different face ordering defined by other methods.

实验结果

Table 2 是核心定量结果：在 ShapeNet 上 SATO 的 NC=0.975、CD=0.002、HD=0.032、F1=0.807，全面超过次优方法 (DeepMesh: 0.967/0.004/0.037/0.532)，F1 提升幅度高达 0.275 (相对 51.7%)；在 Thingi10K 上 NC=0.916 vs BPT 的 0.874、F1=0.460 vs BPT 的 0.248；在 Objaverse 上 NC=0.909 vs DeepMesh 的 0.859、F1=0.503 vs BPT 的 0.265。Table 1 显示序列压缩方面：SATO 压缩率 0.283 (token 长度 / 面数×9)，介于 BPT 的 0.228 和 DeepMesh 的 0.330 之间，词表 4800 略大于 DeepMesh 的 4736 (多出的 64 token 用于 UV 分割)，但 '转换次数' 显著更少 (Table 8 显示 teapot 上 0.9K vs DeepMesh 的 1.6K)。Table 3 用户研究 25 名 3D 行业从业者对 SATO 评分 2.61，是次优 BPT (1.40) 的 1.87 倍。Table 5 UV 失真指标：SATO 在 L2 Stretch (0.979 vs PartField 0.921)、Area Distortion (0.562 vs 0.849)、Symmetric Dirichlet (5.156 vs 8.283) 三项都明显更低，Angle Distortion 也优于 PartField。Table 7 四边形几何指标：SATO NC=0.971、F1=0.857，超过所有 remeshing 基线 (QuadWild 0.970/0.848、NeurCross 0.968/0.846、CrossGen 0.969/0.849)；Table 6 用户对 SATO 四边评分 1.8，是 NeurCross (1.48) 的 1.22 倍。Table 9 大规模消融 (相同架构/数据/训练预算) 证明仅 tokenizer 差异就带来 +1.7 NC、+0.105 F1 的提升。Fig. 19 验证 UV 训练策略：从零训练和用预训练 VAE 都会塌缩成随机形状，而两阶段策略既能精确对齐输入点云又能输出干净 UV 分割。Fig. 20 显示四边微调后三角网格变得更接近四边形路由、更少细长三角。

**Table 1**: Comparison of vocabulary size and average compression rate.

**Table 2**: Quantitative comparison on ShapeNet, Thingi10K, Objaverse.

**Table 3**: User study with SOTA methods on triangle mesh generation.

**Table 4**: User study with PartUV on UV segmentation.

**Table 6**: User study with remeshing and reconstruction methods on quad mesh generation.

**Table 7**: Geometric metrics on the quad mesh from Fig. 17.

**Table 8**: Quantitative comparison with the DeepMesh tokenizer (overfitting).

**Fig. 8**: The gallery of SATO illustrates our model's outputs across three tasks.

**Fig. 9**: Overview of our test dataset.

**Fig. 10**: Qualitative comparison with baseline methods across different shapes.

**Fig. 11**: Qualitative comparison with PartUV.

查看结构化数据

任务	指标	本文	基线	提升
ShapeNet 三角网格生成	NC / CD / HD / F1	0.975 / 0.002 / 0.032 / 0.807	DeepMesh 0.967 / 0.004 / 0.037 / 0.532	+0.008 NC, +0.275 F1 (相对提升 51.7%)
Thingi10K 三角网格生成	NC / CD / HD / F1	0.916 / 0.009 / 0.154 / 0.460	BPT 0.874 / 0.028 / 0.141 / 0.248	+0.042 NC, +0.212 F1 (相对 85.5%)
Objaverse 三角网格生成	NC / CD / HD / F1	0.909 / 0.009 / 0.117 / 0.503	DeepMesh 0.859 / 0.020 / 0.120 / 0.240	+0.050 NC, +0.263 F1 (相对 109.6%)
UV 分割 (Blender angle-based unwrap)	L2 Stretch / Area Dist / Angle Dist / Sym Dirichlet	0.979 / 0.562 / 1.128 / 5.156	PartField 0.921 / 0.849 / 1.256 / 8.283	全部 4 项指标更优，Distortion 全面降低 30-40%
四边面网格生成 (vs remeshing baselines)	NC / CD / HD / F1	0.971 / 0.001 / 0.020 / 0.857	CrossGen 0.969 / 0.001 / 0.020 / 0.849	+0.002 NC, +0.008 F1；从点云生成 vs remeshing 输入GT几何
Tokenizer 消融 (相同训练预算)	NC / CD / HD / F1 on 250-shape test set	0.925 / 0.014 / 0.103 / 0.560	DeepMesh tokenizer 0.908 / 0.022 / 0.108 / 0.455	+0.017 NC, +0.105 F1
用户研究 (三角, 25名专业人士)	Top-3 ranking score [0,3]	2.61	BPT 1.40, DeepMesh 1.17	1.87× BPT, 显著优势
用户研究 (UV, vs PartUV)	Ranking score [0,3]	2.6	PartUV w/ GT Mesh 1.36, PartUV w/ Our Mesh 2.04	比 PartUV 配合 GT 几何还高 1.24
用户研究 (四边, 6种方法)	Ranking score [0,3]	1.8	NeurCross 1.48, CrossGen 1.24	+0.32 NeurCross, 艺术家对 SATO 四边最满意

局限与改进

论文作者承认的局限有三条：(1) 四边面输出在 strip 长度奇数或有重复顶点时会退化成三角 (Fig. 23 左)，需要数据集质量提升或后处理才能进一步降低；(2) 四边质量受限于现有高质量四边数据集的规模，QuadGPT 等专用四边方法在该任务上仍有优势；(3) 近球形物体的 edge routing 不够规则，因为多数三角数据集用近等边镶嵌而高质量球面四边样本稀缺。我自己的额外观察：(a) SATO 仍是条件生成 (需要输入点云 81920 点)，无条件生成能力未验证；(b) inference 速度和 token/s 论文只在 Table 8 给出 overfitting 实验的约 58 tokens/s，与 MeshGPT 级自回归方法相比不算快；(c) 模型规模 0.5B 加上 VAE 0.27B 合计约 0.77B，但训练用了 64-256 张 A800 跑 7+3+1=11 天，复现门槛非常高；(d) UV 分割只是 '哪些面属于哪个岛'，不预测 UV 坐标本身，仍然依赖 Blender 做后续 unwrap，所以严格来说还没做到完全端到端。

独立分析的弱点

独立分析弱点 (按场景)。(1) 长序列场景：虽然 SATO 压缩率 0.283 优于 DeepMesh，但当网格超过 16K 面时 9K token 窗口仍会切断长程依赖，可考虑 sliding-window + 跨窗口记忆模块。(2) 高密度几何场景：F1 在 ShapeNet 上 0.807 已经很高，但 Thingi10K/Objaverse 仅 0.460/0.503，说明对真实世界复杂几何 (非人造物体) 的覆盖仍不足，可加入 SDF-to-mesh 中间表示作为强先验。(3) UV 岛细粒度场景：UV 岛数量限制在 [10, 300]，对于真正高细节角色 (可能有上千个 UV 岛) 不够，可学习自适应聚类阈值。(4) 球面/对称场景：Fig. 13 左下显示球面 edge routing 不规则，需要额外的 '对称约束 token' 或强化学习信号。(5) 四边退化场景：δ=2 时奇数长度 strip 退化成三角，可在训练时随机 mask 一部分 vertex 强制模型学 '残差退路'。改进方向：(a) 把 stride δ 从二值改成连续可微，通过 Gumbel-Softmax 让模型自己学 '什么时候该三角什么时候该四边'；(b) 引入 curriculum learning，先训简单盒子再训复杂有机形；(c) 强化学习奖励 '边流连续性' 而不仅是几何误差。

未来方向

作者明确指出的方向：(a) 减少四边退化需要更大、更高一致性的高质量四边数据集；(b) 球面 edge routing 改善需要 'shape-adaptive routing prior'。基于成果可延伸的方向：(c) 把条带序列化扩展到 N 边面 (n-gon) 和带洞的多边形 mesh，覆盖更广的工业 CAD 数据；(d) 把 SATO 作为 remeshing 后处理模块嵌入 SDF 生成流水线 (Fig. 21 已展示和 CLAY 的串联)，并对比 Hunyuan3D-2.5 这种端到端管线；(e) 探索 '条带序列 + 物理仿真 token'，让模型同时预测 '可用于布料/毛发仿真' 的特殊拓扑结构；(f) 训练一个反向模型——给定 UV 布局反推网格几何，让 UV-first 设计工作流成为可能；(g) 把 Hourglass Transformer 升级到 linear attention 或 Mamba 状态空间模型，进一步降低长序列推理成本；(h) 跨模态条件扩展：当前只支持点云，可以加 text/image 条件，让 SATO 直接接 CLAY 等文本到 3D 系统作为可微渲染后端。

复现评估

复现评估：(a) 开源情况：论文截至发表日未声明代码和权重开源 (2026/07 ACM TOG 期刊论文，配套代码可能在后续 ArXiv 更新或项目页发布，写作时未明确给出 URL)；(b) 数据规模：1.47M 三角网格来自 Objaverse+ShapeNet+Thingi10K+Shutterstock 商用授权数据，其中 Objaverse/ShapeNet/Thingi10K 公开，但 Shutterstock 部分需要付费授权，复现时可能要去掉约一部分数据；(c) 算力需求：3 阶段训练分别用 64/256/64 张 A800 GPU 跑 200K/80K/25K 步，合计约 11 GPU×天 (折合 64 卡) 或 8000+ A800×小时，自筹算力门槛极高；(d) 实现难度：算法本身 (Algorithm 1 的拉链式条带抽取、stride 解码) 中等难度，但 Hourglass Transformer + 自训 VAE 编码器 + 三阶段训练 + 9K window KV-cache 的工程链路较复杂；(e) 评估指标 (NC/CD/HD/F1) 都是 PyMeshLab + 标准采样 100K 点即可复现，UV 失真指标也是 Blender 自带；用户研究较难复现但非必须。整体评估：复现难度 ★★★★☆，若作者开源权重则降至 ★★☆☆☆。

论文图表

**Fig. 2**: Artist meshes differ markedly from geometry-processed ones.
对比四类网格：(a) 艺术家四边面网格 (anisotropic, 清晰 edge flow)；(b) 艺术家三角网格 (右角倾向、沿曲率方向延展)；(c) Delaunay 风格 remeshing 网格 (等边倾向、edge flow 断裂)；(d) Marching Cubes 网格 (各向同性、密集等边三角形)。

是论文动机的视觉证据——读者一眼能看出 '为何要重新设计序列化'，没有这张图 motivation 章节会显得空洞。

Fig. 12: Gallery of UV unwrapping results using our generated UV segmentation.

10 个模型的 UV 展开结果 (Blender angle-based unwrap)，展示从玩具到家具、从人物到动物的覆盖广度，UV 岛均紧凑、对称、低失真。

展示 SATO UV 分割的实用价值——艺术家可以直接基于这些布局贴纹理，配合 Fig. 15 的纹理绘制示例。

Fig. 13: Comparison with MeshMosaic.

对比 SATO 与 MeshMosaic 的 UV 分割结果：MeshMosaic 出现明显的长接缝和不对称 artifact，SATO 的 UV 岛更紧凑、过渡更自然。

是 'joint generation 比 part-by-part generation 更优' 的视觉证据，支撑 Section 5.2 的 'global consistency' 论点。

Fig. 14: Comparison with MeshSilksong.

兔子模型的网格 + 分割对比：MeshSilksong 只分出眼睛两个组件、其余被合并为一大块；SATO 把身体、四肢、耳朵、尾巴都干净分块。

对比 MeshSilksong 的 'connected component' 分割和 SATO 的 UV 分割，证明 SATO 在分割粒度上的优势。

Fig. 15: Texture painting with our UV unwrapping.

在 SATO 生成的 UV 布局上直接绘制纹理：每个 UV 岛独立上色 (车体不同部分不同颜色)，证明 SATO 布局对实际艺术家工作流的实用性。

把 UV 分割从 '指标好看' 升级到 '生产可用' 的关键定性证据。

Fig. 16: Qualitative comparison with BPT and DeepMesh on quad generation.

对比 BPT、DeepMesh、SATO、SATO UV 四个版本在多类模型上的四边面生成结果：SATO 的 quad 更整齐、edge flow 更沿主曲率方向。

支撑 Section 5.3 'SATO 同时生成几何 + UV' 的论点，并展示 stride 切换到 δ=2 的实际效果。

Fig. 17: Qualitative comparison with quad remeshing and reconstruction methods.

5 种 remeshing 方法 (IM、Quadriflow、Quadwild、NeurCross、CrossGen) 与 SATO 在 teapot、椅子、兔子等模型上的四边面对比；SATO 输出更紧凑、quad 利用率更高、与 feature line 对齐更好。

证明 '从点云生成' 比 '对 GT 几何 remesh' 在四边任务上仍能胜出或持平，是 Section 5.3 的核心定性证据。

Fig. 18: Ablation with the DeepMesh tokenizer (overfitting experiment on teapot).

在 teapot 上做 overfitting 消融：DeepMesh tokenizer 和 SATO tokenizer 训练 10K/20K 步的结果。SATO 在 10K 步就接近完美重建，DeepMesh 在 20K 仍有 artifact。

直观证明 '条带序列化更容易学'——这是 Table 8 数据 (SATO 训练时间 0.319s vs DeepMesh 2.061s) 的视觉对应。

Fig. 19: Ablation on UV training strategies.

用 'cute bunny astronaut toy' 这一确保未在训练集的手工模型测试三种策略：(a) 预训练 VAE + UV 数据 → 形状塌缩；(b) 从零 + UV 数据 → 完全随机；(c) 三角预训练 + UV 后训练 → 完美对齐 + 干净 UV。

是 '为什么需要两阶段 UV 训练' 的关键消融证据，支撑论文 Section 4.4.3 的 Stage I→II 设计。

Fig. 20: Ablation on quad-mesh fine-tuning.

四边微调前后对比：黑框区域内，微调前的网格有大量细长三角，edge flow 不规则；微调后网格更接近 quad 路由，三角形更接近右角三角形。

直观展示 '四边先验对三角生成的反向帮助'——Section 5.4.3 的核心论点。

Fig. 21: Generation from image and text prompts.

SATO 作为 CLAY 的下游 remeshing 模块：给定 image/text → CLAY 生成 SDF → Marching Cubes 提取高密度网格 → SATO 二次处理得到艺术家风格三角/四边面 + UV 分割。

展示 SATO 在 'image/text-to-3D' 完整管线中的位置和实用价值，扩展了适用场景。

Fig. 22: Diversity results.

同一输入点云条件下，SATO 生成多种不同几何 + 不同 UV 分割的结果，证明模型不是简单记忆训练集。

验证生成多样性——这是所有生成模型的基础性质之一，论文用一张图证明 SATO 通过了这项测试。

Fig. 23: Failure cases.

两类失败案例：(左) 四边 strip 长度奇数或有重复顶点时退化成三角——可见零散的小三角穿插；(右) 球面物体的 edge routing 不规则，因为高质量球面 quad 数据稀缺。

作者诚实展示边界情况，配合 Section 6 Limitations 章节，体现对方法局限性的清醒认知。

Table 9: Large-scale tokenizer ablation.

相同架构 + 数据 + 训练预算 (64×A800, 200K steps) 下：DeepMesh tokenizer NC=0.908/CD=0.022/HD=0.108/F1=0.455；SATO NC=0.925/CD=0.014/HD=0.103/F1=0.560。仅 tokenizer 差异带来 +0.105 F1。

排除其他变量、严格隔离 tokenizer 贡献的最强消融——证明 SATO 的优势确实来自序列化方案而非其他偶然因素。