arXivAI 研究專業

SILSA：利用滑動視窗切片潛在特徵實現保持拓撲結構的高解析度 3D 生成

SILSA: Topology-Preserving High-Resolution 3D Generation with Sliding-Window Slice Latents

2026/10/022 分鐘閱讀

30 秒看懂

高解析度 3D 生成通常依賴體素（voxel）表徵，這會導致 continuous surface 破碎且計算成本極高。SILSA 拋棄了昂貴的體素 token，改用沿三個正交軸的重疊滑動視窗切片，將局部深度資訊壓縮為二維潛在特徵。配合 Slice VAE、體積錨點網格（Volumetric Anchor Lattice）以及切片級拓撲監督（對齊 Betti 轉換），SILSA 在單階段 rectified-flow 生成中，以極低的資源消耗實現了高精度的 3D 拓撲重建。

核心重點

滑動視窗切片特徵

沿三個 canonical 軸使用重疊的滑動視窗切片，將深度資訊壓縮至二維潛在特徵中，維持跨截面的連續性並簡化生成流程。

稀疏解碼與多軸協調

藉由 Slice VAE 與體積錨點網格（Volumetric Anchor Lattice），在共享的 3D 空間中協調不同方向的切片流並進行稀疏重建。

切片級拓撲監督

引入持久圖（persistence diagrams）匹配，並對齊相鄰切片的 Betti 轉換，避免細小或高度連接的結構在生成時斷裂。

大幅降低資源消耗

比最緊湊的基準模型減少 70% 的 token 數，訓練記憶體減少 40.4%，推理時間縮短 58.5%。

技術圖解

SILSA 3D 生成工作流

為什麼重要

在 3D 內容生成（如遊戲、虛擬實境與機器人模擬）中，保持細小物件（如鐵絲網、桌椅細腳）的拓撲結構完整性一直是一大挑戰。傳統體素方法不是解析度不夠，就是計算成本爆炸。SILSA 證明了透過將 3D 投影至多軸 2D 切片，並結合拓撲流引導，能夠以極低成本、單階段生成高品質且結構正確的 3D 模型，這對推動消費級硬體上的高品質 3D 生產具有重大意義。

對誰有影響

AI 研究人員
AI 開發者
內容創作者

可以怎麼使用

1高解析度 3D 遊戲與虛擬資產生成，特別是包含大量薄壁、格柵與細密孔洞的複雜物體。
2機器人操控環境與工業設計中的 3D 數位雙生重建，以極低計算資源換取高幾何精確度。

限制與注意事項

該框架依賴預定義的正交坐標軸進行切片，對於極度不規則、傾斜或非流形（non-manifold）的複雜拓撲，重建效果仍待驗證。
計算持久同調（Persistent Homology）以進行拓撲監督的過程較為繁重，在大規模資料訓練時可能產生 CPU 計算瓶頸。