ZipTok3D：利用紧凑Token前缀实现高保真3D生成

紧凑的 token 序列对于高效的 3D 生成至关重要。然而，现有的 3D tokenizer 通常将潜在表示组织为空间区域或固定大小的全局 token 集合，这两种方式在压缩到极低的 token 预算时都会遭受严重的重建质量下降。在本文中，我们提出了 ZipTok3D，这是一种专为从极短 token 序列中进行高保真重建而设计的 3D tokenizer。其核心思想是将物体几何结构组织成具有渐进信息的全局 token 前缀，并通过迭代解码展开这些紧凑的表示。具体而言，嵌套丢弃（nested dropout）在训练期间对编码后的潜在序列进行随机截断，并要求每个保留的前缀重建完整的物体，从而优先保留前导 token 中的关键几何信息。随后，解码器重复应用参数共享的 Transformer 模块，从每个前缀中恢复细粒度的几何结构，无需单独的生成采样阶段。在相同的 token 维度下，ZipTok3D 仅使用一个 token（在 ShapeNet 上）和四个 token（在 TRELLIS 上），即可达到与 32-token COD-VAE 基线相当的重建质量，分别使 token 序列长度缩短 32 倍和 8 倍。