SymTRELLIS 改变了什么
SymTRELLIS 可在基于 TRELLIS.2 的 flow 生成过程中控制 3D 模型的对称性。该方法支持有限点群：旋转群、镜像群和多面体群。
无需重新训练基础 VAE 或 flow 模型。是否适用的实际标准是：是否需要在生成过程中指定模型的对称性。
如何在潜在空间中进行控制
该方法通过可训练的线性算子近似空间变换对体素潜变量的作用。这个轻量级的空间变换潜变量映射器使用常规的非对称 3D 数据进行训练。
在 ODE flow 的每个步骤中，模型都会预测对称等价变换对应的速度。然后，该方法对这些速度取平均——作者将这一过程称为速度对称化（velocity symmetrization）。
这里的关键是在每个生成步骤中取平均，而不是重新训练基础模型。需要使生成结果符合指定对称性时，该方法便很适用。
如何指定对称性
在 SymTRELLIS 中，可以通过两种方式获取对称性规格：
- 根据 TRELLIS.2 的初始生成结果自动估算；
- 由用户指定。
所选规格允许有意改变对称阶数，使其超出输入图像所暗示的范围。当所需对称性不能仅由图像决定时，这一点很重要。
结果展示了什么
作者在一个专门挑选的基准测试上验证了该方法，该基准包含 266 个严格对称的物体，涵盖阶数从 2 到 20 的旋转对称性以及多面体群。
| 比较 | 结果 |
|---|---|
| 与 TRELLIS.2、Hunyuan3D-2.1 和 TripoSG 的对称性误差比较 | SymTRELLIS 大幅降低了所有对称性误差指标 |
| 重建精度 | 保持在与基础模型相当的水平 |
对于需要降低对称性误差，同时又不显著偏离基础模型重建精度的任务而言，这些结果具有重要意义。
选择标准
当目标模型需要具有有限点对称性（旋转、镜像或多面体对称性）时，该方法便适用。其规格可以从初始生成结果中获取，也可以单独指定。
如果需要有意改变相对于输入图像提示的对称阶数，这也属于该方法所述的功能。评估该方法时，应同时考虑两个标准：对称性误差和重建精度。
