ComfyUI-LATO2 开源，把 AI 生成的几十万面 3D 模型压到几千面

🎮 AI 生成的 3D 模型往往带有数十万个不必要的多边形。一个新的 ComfyUI 节点可以将其重建为仅含数千个多边形的干净低多边形网格。

来认识一下 ComfyUI-LATO2，这是一个新的开源节点，将 LATO.2 神经重网格化模型直接引入 ComfyUI。它可处理由 TRELLIS.2、Hunyuan3D 及其他 3D 工具生成的密集网格。与传统的多边形简化不同，它并非简单删除三角形，而是从头重建几何体。

为什么这很重要？AI 3D 生成器常生成包含 50 万至 100 万个三角形的网格。这些网格看起来效果惊人，但直接用于游戏或实时应用会带来问题：
▪️ 几何体过多，渲染开销大。
▪️ 多边形分布不均。
▪️ 存在不必要的内部表面。
▪️ 拓扑结构不贴合物体形状。
▪️ 手动清理困难。

ComfyUI-LATO2 通过神经拓扑生成模型解决这些问题。

LATO.2 是如何工作的？
原始模型由华中科技大学、Meshy AI 和慕尼黑工业大学的研究人员开发。它将网格生成分为两个阶段：
1. V-Flow：顶点生成
一个学习型流模型根据输入物体的形状和目标顶点数创建新的顶点位置。你可以指定 200 到 5000 个顶点。
2. T-Flow：拓扑生成
第二个模型预测哪些顶点应连接，生成更贴合物体几何形状的边。这与简化现有三角形结构的传统简化器有本质区别。

但 ComfyUI 的集成更进一步。原始 LATO.2 可能产生重叠面、不一致的绕序和孔洞。开发者 sakalond 添加了多个几何处理步骤：
▪️ 表面重建：根据预测的连接关系重建面，防止一条边属于两个以上的面。
▪️ 孔洞填充：使用最小面积三角剖分闭合缝隙。
▪️ 朝外定向：确定每个面应朝向哪个方向。
▪️ 内部表面移除：使用体素洪水填充消除 TRELLIS.2 网格中常见的隐藏内壁。
▪️ 变换保留：恢复原始位置和缩放，使新网格可替换源物体。

结果是什么？你可以生成一个密集的 3D 物体，通过 LATO.2 处理后导出轻量得多的 GLB 文件，无需手动重建拓扑。

该节点与 ComfyUI 原生的 MESH 类型、Preview 3D 和 Save 3D Model 集成。包含四个示例工作流。

硬件要求：
▪️ 至少 8GB 显存的 NVIDIA GPU。
▪️ Windows 或 Linux。
▪️ 约 13GB 磁盘空间。
▪️ Python 和兼容 CUDA 的 PyTorch。

安装程序会自动创建隔离环境并下载所需的检查点。无需手动编译 CUDA 扩展。

性能：
在 RTX 3090/4080 GPU 上：
▪️ 神经重网格化需 30–60 秒。
▪️ 从极密集网格中移除内部几何体可能还需 1–3 分钟。

重要限制：
▪️ 仅处理几何体。不传递 UV、纹理或材质。
▪️ 薄物体可能产生褶皱或自相交。
▪️ 狭窄开口可能被意外闭合。
▪️ 不同的种子可能生成不同的拓扑。
▪️ 生成的几何体不保证适用于 3D 打印或布尔运算。

该节点以 GPL-3.0 协议发布。

为什么这很重要：AI 已能从图像生成令人印象深刻的 3D 物体。但生成几何体和为真实游戏引擎制作优化资源是两个不同的问题。ComfyUI-LATO2 有助于弥合这一差距。想象这样一个工作流：AI 创建模型，另一个模型重建其拓扑，结果再导入 Blender、Godot 或 Unreal Engine 进行进一步处理。AI 生成的 3D 正从让物体看起来好看，迈向让它们实用可用。

💻 🔬 原始 LATO.2 研究：

#ComfyUI #3DGeneration #GameDev #OpenSource