主要观点：

• 介绍了 MeshAnything 模型，它能模仿人类艺术家从 3D 表示中提取网格，可与多种 3D 资产生产管道结合，将结果转换为艺术家创建的网格应用于 3D 行业。
• 该模型架构包含 VQ-VAE 和形状条件解码器 Transformer，通过学习网格词汇和形状条件自回归网格生成来工作。
• 实验表明其生成的网格面数减少数百倍，提高了存储、渲染和模拟效率，精度可与先前方法媲美。
• 与其他方法相比，该模型避免学习复杂 3D 形状分布，通过优化拓扑高效构建形状，减少训练负担并增强可扩展性。
• 通过与多种 3D 资产生产方法结合，实现了高度可控的艺术家创建网格生成，并与真实值进行了比较。

关键信息：

• 参与人员：Tong He、Di Huang、Weicai Ye、Sijin Chen、Jiaxiang Tang、Xin Chen、Zhongang Cai、Lei Yang、Gang Yu、Guosheng Lin、Chi Zhang，分别来自 1S-Lab（南洋理工大学）、上海人工智能实验室、复旦大学、北京大学、中国科学院大学、商汤科技、步凡、西湖大学等。
• 工作相关：部分工作在上海人工智能实验室实习期间完成，有相应标注。
• 相关成果：展示了多种实验结果图片，如演示视频、重新网格图像等，证明了模型的性能和优势。
• BibTeX 信息：给出了论文的 BibTeX 引用格式。

重要细节：

• 模型架构中 VQ-VAE 用于学习网格词汇，形状条件解码器 Transformer 用于形状条件自回归网格生成。
• 与 MeshGPT 等方法的对比，强调了自身优势。
• 在不同实验中与真实值的比较，包括拓扑和面数等方面的对比。