MeshQuery 用免训练 VLM 智能体规划 UV 接缝，在 Substance 3D 与 Toys4K 上比最强基线减少 2.9x/4.29x 图表数、缩短 1.63x/1.7x 接缝长度，艺术家 80.9% 偏好其结果
相关研究与后续进展
核心概要
MeshQuery 提出一种免训练的智能体式自动 UV 展开方法，让视觉语言模型借助边选择工具、可查询网格表示与领域特定语言，在自然语言表达的 UV 展开知识条件下规划贴近艺术家的接缝，并通过 UV 质量反馈循环迭代优化，在 Adobe Substance 3D 与 Toys4K 网格上相比最强基线产生 2.9x/4.29x 更少的图表和 1.63x/1.7x 更短的接缝，专业艺术家在 80.9% 的对比中更偏好其结果。
Figure 1: MeshQuery generates artist-aligned UV seams. Conversely to hand-crafted geometric optimization, MeshQuery enables a VLM agent to plan seams the way an artist does: it iteratively refines seams expressed as programs in a Domain-Specific Language (DSL), based on unwrapping feedback and on the mesh’s geometric, topological, semantic attributes, and downstream needs.
arXiv深度剖析
提出免训练的智能体式 UV 展开流程：由视觉语言模型在自然语言表达的领域 UV 展开知识条件下，使用一组边选择工具规划接缝，并通过反馈循环进行精化。 与依赖训练或自回归接缝预测的路线不同，该方法把高层意图规划与低层边选择解耦，无需训练即可运行。 摘要明确说明方法为 training-free，并描述了 VLM 规划、边选择工具集、自然语言领域知识与反馈循环等组成要素。
设计可查询网格表示与领域特定语言（DSL），使智能体能够按需检索网格信息，并把接缝计划表达为作用于拓扑、几何与语义网格属性的紧凑边选择算子程序，再依据 UV 质量反馈迭代精化。 接缝计划从逐边预测变为紧凑程序，配合按需查询的网格表示，使规划过程可表达、可迭代。 摘要直接陈述了可查询网格表示、DSL、边选择算子程序以及基于 UV 质量反馈的迭代精化。
在 Adobe Substance 3D 与 Toys4K 网格上，MeshQuery 相比最强基线产生 2.9x/4.29x 更少的图表和 1.63x/1.7x 更短的接缝，专业艺术家在 80.9% 的对比中更偏好其结果。 给出了与最强基线的定量对比以及专业艺术家偏好比例，覆盖两个数据集。 摘要报告了具体倍数与 80.9% 的艺术家偏好比例，但未在摘要中给出样本量、评分协议或统计检验细节。
解耦高层意图规划与低层边选择、并采用紧凑网格表示，使 MeshQuery 可运行于不同的后端 VLM，并可扩展到比自回归接缝预测大一个数量级的网格。 方法的后端可替换性与规模可扩展性被作为设计结果提出，指向比自回归接缝预测更大的网格处理范围。 摘要以“Ultimately”陈述该结论，属于作者对设计解耦带来能力的总结性表述。
启示与展望
该工作面向生产级四边形网格的自动 UV 展开，适用于需要接缝规划与 UV 布局的图形内容制作场景，其设定是让 VLM 在自然语言表达的 UV 展开领域知识条件下、借助边选择工具与可查询网格表示进行规划，并通过 UV 质量反馈迭代精化。摘要所述评估覆盖 Adobe Substance 3D 与 Toys4K 网格，并与最强基线比较图表数与接缝长度，同时以专业艺术家偏好作为评价维度。方法被描述为免训练，且可运行于不同后端 VLM，并可扩展到比自回归接缝预测大一个数量级的网格，这为把该流程接入不同模型后端与更大规模资产提供了空间。
可见文本为摘要级信息，未提供样本量、艺术家评分协议、统计检验、失败案例或不同后端 VLM 的具体对比结果，因此 2.9x/4.29x 图表数、1.63x/1.7x 接缝长度与 80.9% 偏好比例背后的分布与稳健性仍是开放问题。可查询网格表示与 DSL 的表达能力边界、反馈循环的收敛行为、以及“大一个数量级”网格上的实际表现，也需要在正文中进一步确认。此外，摘要未说明该方法在非四边形网格或非生产级资产上的适用性。