Представлен LATO.2 — фреймворк для генерации 3D-мешей, который разделяет процесс на два этапа: Vertex Flow (генерация позиций вершин) и Topology Flow (предсказание связей и топологии). Такой подход позволяет контролировать количество вершин в диапазоне от 200 до 5000 и обеспечивает возможность покомпонентной генерации для достижения высокой детализации.

image
image
image

Что произошло

Разработчики представили LATO.2, open-source фреймворк (лицензия MIT), который использует декомпозицию процесса генерации. Модель поддерживает топологически адаптивное редактирование: при изменении положения вершин структура меша перестраивается автоматически без необходимости повторной оптимизации всей модели. Для работы системы требуется всего около 8 ГБ VRAM.

Контекст

Традиционные монолитные методы генерации 3D-объектов часто сталкиваются с проблемой «дрейфующих» вершин и разрывов поверхностей. LATO.2 переходит от концепции «черного ящика» к управляемым пайплайнам, где топология является предсказуемым параметром, что критически важно для создания стандартизированных и корректных 3D-ассетов.

Почему это важно для индустрии

Разделение геометрии и топологии решает фундаментальные технические проблемы монолитных архитектур, открывая путь к созданию высокодетализированных и редактируемых 3D-объектов с предсказуемой сложностью. Это позволяет строить production-ready конвейеры, где топология управляется, что упрощает последующий риггинг и анимацию.

Почему это важно для пользователей

Пользователи получают возможность не просто генерировать 3D-модели, но и точно задавать их плотность (количество точек), а также легко править отдельные части модели, не ломая при этом общую структуру меша. Доступность инструмента на потребительском железе и открытый исходный код позволяют быстро создавать прототипы инструментов для «умного» редактирования ИИ-контента.

Что пока неизвестно / ограничения

Явных технических противоречий не выявлено, однако потенциальные вопросы могут касаться масштабируемости при создании сверхсложных сцен и интеграции в существующие коммерческие workflow.

Источники

Автор

Look at AI, редакция