# 层级稀疏Transformer

MeshCarve 提出一种完全在空间压缩隐空间中运行的流匹配方法：先用 VAE 一次前向生成粗顶点占据作为锚点，再分别用顶点流和边流生成顶点位置与边连接，两个隐空间由共享分层稀疏 Transformer 骨干的 VertexVAE 与 EdgeVAE 学习，并采用空间感知压缩与顶点-链接编码；其隐空间平均仅 0.13 token/面，在 Objaverse 上取得最低倒角距离与最高法向一致性，并泛化到 Toys4K。

MeshCarve 提出一种完全在空间压缩隐空间中运行的流匹配方法：先用 VAE 一次前向生成粗顶点占据作为锚点，再分别用顶点流和边流生成顶点位置与边连接，两个隐空间由共享分层稀疏 Transformer 骨干的 VertexVAE 与 EdgeVAE 学习，并采用空间感知压缩与顶点-链接编码；其隐空间平均仅 0.13 token/面，在 Objaverse 上取得最低倒角距离与最高法向一致性，并泛化到 Toys4K。