高分辨率的三维生成，眼下走的是体素路线：先把形状剁成几十万个局部 token，再一块块补几何。
有效，但代价很直白。连续的曲面被切碎，token 数量暴涨，生成成本往上走，而那些细长的、高度连通的形状，最容易在这种碎片化里丢掉结构一致性——一根细杆、一个环、一处中空的连通，恰恰是拓扑最脆弱的地方。
这篇论文换了一套刀具：沿三条正交轴，各切一组固定的、相互重叠的滑窗。
384 个 token 装一个形状
机制可以说得很干净。
每条轴分 N 个 bin（论文取 N 等于 128），窗口宽度 w 取 8，三条轴加起来是 3N，也就是 384 个 token。每个 token 概括一个局部深度窗口，保住横截面的连续性，从而支持单阶段的整流流生成——不再是先预测结构、再补几何的两段式。
支撑它的是一个叫 Slice VAE 的编解码器：把定向表面样本编码进多轴切片隐空间，再用稀疏体解码器重建。另外有个 Volumetric Anchor Lattice，在一个共享的三维工作空间里，协调来自不同方向的切片流。
最关键的零件是切片级拓扑监督：匹配持续图，并对齐相邻切片之间的 Betti 数转移。Betti 数是拓扑学里数「有几个洞、几条连通分量」的量——一根细杆不能在中途断成两截，一个环不能糊成实心，靠的就是这道约束。
成绩单（基线是重建类最强方法 SparseFlex）：
- PSNR 从 30.12 抬到 32.74，相对提升 8.7%
- 覆盖率从 73.12% 到 79.08%，绝对提升 5.96 个百分点
- Betti 误差从 1.743 降到 1.582，相对下降 9.2%
- token 用量 384，比次紧凑基线 Dora（1280）少 70%，比 Trellis、XCube、SparseFlex 少 超过 98%
- 训练内存 14.6GB 降到 8.7GB，推理 0.82 秒每形状降到 0.34 秒
「均优于最强基线」这句话有反例
把表 1 逐格摊开，故事就复杂了。
CLIP 分这一格，SILSA 是输的：87.94 对 SparseFlex 的 88.22。论文自己写的是 "SparseFlex attains a slightly higher CLIP score"。另外，KD 距离两方都是 0.08、LPIPS 都是 0.05——那是持平，不是「优于」。所以摘要那句「均优于最强基线」，严格讲只在 PSNR、覆盖率、FD、MMD 这几格成立。
降幅的基线被混用了。内存的 40.4% 和推理时间的 58.5% 都只相对 Dora 计算；而 Dora 恰恰是基线里最省内存的那一个（14.6GB，对比 SparseFlex 的 55.4GB、Trellis 的 42.7GB）。同一段话里，token 的 −70% 又是相对 Dora、−98% 却是相对 Trellis/XCube/SparseFlex 这一批。两套基线混用，标题只写降幅不写基线，很容易被读成「对所有基线都这样」。
没有方差，没有显著性。主表两张全是单点数值，没有标准差、没有种子、没有检验。PSNR 的 8.7% 和 Betti 的 9.2% 这种相对增益，没有置信区间兜底。
评测是单数据集。训练用 Trellis-500K，定量结论来自 Toys4K 里随机 200 个资产加 50 张实拍图。跨数据集的泛化，没有验证。
代码开放状态不明。全文只给了一个项目页，检索不到任何 GitHub 仓库链接，也没有「代码将发布」的字样。
作者自己的局限写得很老实：结构模式远离训练分布的物体，重建保真度会下降；输入视图过于含糊或信息量太低时，三维结构也会跟着走样。
三把正交刀，切出拓扑骨架——它最漂亮的地方不是快，是终于有人把「洞」当成一等公民来监督。