Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes

一句话总结

Light-SQ 是一个面向生成式网格的结构感知超二次曲面（superquadric）形状抽象框架，通过 SDF 雕刻、结构感知对齐与自适应残差剪枝，把过度密集、结构混乱的生成网格压缩为紧凑、低重叠、可编辑的图元表示。

研究背景

在用户生成内容（UGC）平台上，非专业用户越来越依赖图像到 3D 的生成模型来创建 3D 资产。但这些生成网格通常过度镶嵌、结构无序、难以编辑，给动画、绑定、交互式内容创作等下游任务带来困难。

基于图元的形状抽象是一条有希望的路径：把庞大的三角网格转成一组紧凑的解析图元，既能把存储从 MB 级降到 KB 级，又能让每个图元成为直观的操作把手。作者指出，面向 UGC 的理想抽象需要同时满足保真度与可编辑性，而可编辑性又依赖三条结构感知准则：低重叠（每个图元占据清晰、互不重叠的空间区域）、结构感知（图元贴合连贯的体积分区，不跨结构放置）、紧凑性（避免过度碎片化）。

现有方法难以兼顾这些要求：学习式方法在 ShapeNet 等干净数据外泛化差；规则式方法依赖分割，而生成网格的分割往往含噪、边界不可靠；优化式方法虽表达力强，却常产生大量高度重叠的图元，破坏了空间归属的清晰性，从而损害可编辑性。

方法

Light-SQ 以截断有符号距离场（TSDF）为拟合目标，沿用 Marching Primitives 的思路，但从低重叠、结构感知对齐、紧凑性三个方面显式强调结构感知，并额外支持多尺度拟合。

flowchart TD
    A[生成网格 Raw Mesh] --> B[结构感知凸分解<br/>切面生成 + 自适应合并]
    B --> C[Block: 每分区至多拟合 K 个超二次曲面]
    C --> D[Regrow: 以已拟合图元为初值二次优化<br/>用 SDF 雕刻构造目标场]
    D --> E[Fill: 对欠拟合的 SDF 连通域补充图元]
    E --> F{收敛?}
    F -- 否 --> D
    F -- 是 --> G[自适应残差剪枝<br/>Main / Connector / Offcut 分类]
    G --> H[紧凑可编辑的超二次曲面抽象]
    H -.可选.-> I[多尺度拟合<br/>局部上采样细化]

关键设计：

• SDF 雕刻（低重叠）。作者放松了单个超二次曲面优化中的惩罚权重形式，把它分解为”内部体素衰减项”与”TSDF 匹配项”，前者远大于后者，从而给外部体素远高于内部的惩罚。基于此，每拟合完一个图元，就把其内部区域从目标形状的内部翻转为外部（记作 \(\phi \setminus \phi_{\theta}\)），阻止后续图元侵占已拟合区域，显式惩罚重叠。

• 结构感知对齐。作者不依赖语义分割，而用几何分析提供结构指导。先在 CoACD 基础上做结构感知凸分解：通过 SDF 体积分析预计算几何上有意义的候选切面（结合横截面积的二阶差分 \(M_i\) 与连通分量数变化 \(\Delta N_i = \lvert N_i - N_{i-1} \rvert\) 得到显著性分数 \(S_i\)），再依据曲率连续性与体积 IoU 做自适应合并。随后用 Block-Regrow-Fill 三阶段拟合：Block 对每个凸分区至多拟合 \(K\) 个图元（作者发现 \(K=1\) 已足够好），Regrow 让各图元以自身为初值二次优化、在结构边界处形成柔性边界填补缝隙，Fill 再补充欠拟合区域，避免沿轴对齐切面产生杂乱的图元碎片。

• 自适应残差剪枝（紧凑性）。追踪 SDF 更新历史，对 fill 阶段的连通域按几何意义分类为 Main SQ（大部分 SDF 未被触及，属未拟合区域）、Connector SQ（被多个 Main SQ 更新，属桥接部分）、Offcut SQ（仅被单个 Main SQ 更新，属边角残余）。对三类施加递增的剪枝阈值 \(T_M, T_C, T_O\)，若初始图元最小尺度低于对应阈值则丢弃，从而在保留有意义的小结构（如飞机螺旋桨）的同时删除无意义的大碎片。

此外，多尺度拟合可对某个超二次曲面覆盖的区域做”轴对齐膨胀”后网格重采样，再沿各轴细分并分别拟合，实现局部上采样与细节细化，这是先前方法所缺乏的能力。

实验结果

作者构建 3DGen-Prim 基准（在 3DGen-Bench 的 510 张图像提示上，用 Hunyuan3D-2.0 与 TripoSG 两个图像到 3D 方法生成测试网格），从拟合保真（CD、EMD、Voxel-IoU）与可编辑性（重叠率 OR、平均图元数 N）两方面评测。主结果如下：

方法	类型	CD ↓ (H3D)	EMD ↓ (H3D)	Voxel-IoU ↑ (H3D)	OR ↓ (H3D)	N (H3D)	CD ↓ (Tripo)	Voxel-IoU ↑ (Tripo)	OR ↓ (Tripo)
EMS	Optim.	0.2345	0.2036	0.466	1.524	3.44	0.2472	0.436	1.540
Marching-Primitives	Optim.	0.0396	0.0544	0.868	4.201	67.7	0.0403	0.860	3.778
AISSR	Rule	0.1128	0.0918	0.403	1.051	7.94	0.1132	0.394	1.056
PrimitiveAnything	Learn.	0.1366	0.0986	0.442	1.845	82.7	0.1299	0.457	1.870
Light-SQ（本文）	Optim.	0.0388	0.0531	0.861	1.015	61.0	0.0385	0.864	1.016

Light-SQ 的拟合质量与 Marching-Primitives 相当（甚至 CD 略优），但重叠率 OR 从后者的约 4.2 降到约 1.015，接近”每个体素只被一个图元覆盖”的理想状态，同时显著优于规则式与学习式方法。效率上，单 GPU 工作站上每个形状约 25.98 秒，比 Marching-Primitives（339.59 秒）快 10 倍以上，并略快于 PrimitiveAnything（29.10 秒）。用户研究（25 名游戏开发工程师与美术参与者）中，Light-SQ 在几何/纹理可编辑性、编辑效率、动画友好性五项指标上平均排名均接近 1，全面领先。

亮点与局限

亮点：

• 首个正式定义并显式强调”结构感知”的超二次曲面优化算法，把低重叠、结构对齐、紧凑性三条准则落到具体机制上。
• SDF 雕刻以简单的体积翻转显式抑制图元重叠，在几乎不损失拟合精度的前提下把重叠率压到接近 1。
• Block-Regrow-Fill 在轴对齐凸分区的硬边界与超二次曲面的柔性拟合之间取得平衡，消融显示比”每个凸包拟合单一图元”的朴素方案精度显著更高。
• 速度比同类 TSDF 优化方法快一个数量级，配合多尺度拟合支持局部细化，适合 UGC 的图像到图元流水线。

局限：

• 方法不保证零重叠，只是显著降低；重叠率与图元数存在权衡（更低的 w、更高的 C 会降低 OR 但增加碎片化）。
• 依赖生成网格具有良好的水密性（评测用的 Hunyuan3D-2.0 与 TripoSG 输出自 SDF/占据场），对非水密或强噪声输入的稳健性未充分讨论。
• 结构感知对齐的效果较难量化，主要靠用户研究佐证；凸分解与合并引入若干需调的超参数（如 α、β、γ、阈值等）。

延伸思考

这项工作把”可编辑性”从模糊的直觉拆解为可操作的三条准则，并用几何优化而非语义学习去满足它们，避免了对高质量分割数据的依赖，这一思路对生成资产的后处理很有启发。一个自然的问题是：当图像到 3D 生成质量继续提升、网格更规整时，结构感知凸分解与学习式图元预测（如 PrimitiveAnything）能否互补——用学习方法提供初始结构先验，再用 Light-SQ 的优化机制保证低重叠与紧凑性。此外，超二次曲面之外，是否能把 SDF 雕刻与残差分类的思想推广到凸多面体、广义柱体等更丰富的图元库，从而在保真与可编辑性间提供更细的权衡，也值得探索。