简介：本文从三维生成模型“外观逼真但结构易断裂”的问题出发，解析一种基于三轴切片的结构感知生成原理。文章将拆解切片表示、三平面特征编码、结构约束与生成流程，说明该机制为什么能提升镂空、细长、重复结构等复杂形体的几何连续性，并讨论其适用边界与常见误区。
当前主流的三维生成模型已经能够从单张图像中恢复出相当逼真的三维物体。无论是基于稠密体素、稀疏体素还是隐式场的方法，许多系统都能在视觉层面给出令人满意的结果。然而，如果观察输出结果的细节区域，尤其是镂空结构、细长支架、重复的螺旋阶梯等部位，就会发现问题仍然突出：模型生成了“看起来像”的形体，却常常不能保持这些形体在拓扑上的连接关系。
这背后的原因在于，多数生成模型更擅长学习空间占据概率或表面分布，而不一定真正理解结构上的连续性。也就是说，模型知道某个区域“可能被占据”，但不一定知道这个区域与相邻区域之间必须保持怎样的支撑、连接或延续关系。
本文要讨论的技术原理，并不是通过提高体素分辨率或增加模型参数量来解决问题，而是换一种表示方式：将三维物体沿多个方向切分成二维切片，让模型在不同轴向的切片上进行结构理解与生成，再将切片信息融合回三维空间。这种思路可以概括为“用切片表示换取结构感知”，其核心不是生成更密的网格，而是让模型从多个视角去理解同一形体，从而增强对局部连接、支撑关系和重复结构的建模能力。文章标题中提到的“三轴切片”，指的就是沿三个正交方向分别对物体进行切分和编码。
最直观的三维表示方式是稠密体素网格。它把三维空间离散成一个个小立方体，每个立方体记录该位置是否被物体占据。这种表示结构简单、易于卷积处理，在很多三维任务中都有应用。
但稠密体素存在明显的扩展性问题。由于三维空间有三个自由度，当分辨率提升时，体素数量呈立方级增长。例如，分辨率从64提升到128，体素数量不是翻倍，而是增加8倍；如果继续提升到256，计算量和存储压力会进一步急剧上升。因此，单纯依靠稠密体素来生成高分辨率三维结构，往往面临显存、算力和训练时间的多重限制。
为了缓解稠密体素的问题，研究者引入了稀疏体素、八叉树、分层细化等方法。这些方法的核心思想是：只对物体表面附近或物体内部的“活跃区域”进行高分辨率计算，而对大量空白区域保持低分辨率或不分配计算资源。
稀疏表示在效率上带来了明显收益，但也引入了新的问题。很多稀疏生成框架采用两阶段流程：
这种“先定位、后细化”的流程虽然节省了计算资源，但两阶段之间存在信息割裂。如果第一阶段对活跃区域的判断出现错误，第二阶段很难纠正；更重要的是，第一阶段基于粗粒度的结构判断，未必能捕捉到细长支架、镂空孔洞、薄壁连接等细微但关键的结构信息。结果就是，模型可能在第二阶段的局部生成中丢失全局连接关系，导致支架断裂、结构粘连或细节糊化。
上述问题的根源并不是“模型不够大”或“分辨率不够高”，而是表示方式本身没有显式强调结构的连续性。模型在生成时更多是在优化空间占据概率，而没有获得足够的结构约束。也就是说，它学习了“哪里有物质”，但没有充分学习“哪里必须保持连接”。
因此，真正需要改进的方向是引入一种更强调结构关系的表示方式，让模型在生成过程中不只看局部占据，还要从多个空间方向理解形体是如何组织在一起的。这正是三轴切片思路的出发点。
在理解三轴切片机制之前，需要先明确几个基础概念。
切片表示是将三维物体沿某个方向切割成若干二维截面。例如，沿Z轴切割，可以得到一系列XY平面上的截面图。每个截面记录物体在该高度上的形状分布。切片思想在医学影像、工业检测、三维重建等领域都有广泛应用，因为它能把三维问题降维成一系列二维问题。
但单一方向的切片只能提供一种视角。如果一个细长结构正好垂直于切片方向，它在切片中只会表现为一个小点，难以体现其长度和连接关系。因此，单一方向切片对结构的理解是有限的。
三轴切片的思想是对同一物体分别沿X、Y、Z三个正交方向进行切分。这样，一个三维形体被转化为三组二维切片集合。每个方向上的切片都从不同角度揭示物体的形状和连接信息。
例如，一个镂空灯笼：
三组切片互为补充，共同约束了三维空间中的结构。模型同时观察三组切片，就能更准确地判断哪些区域需要保持连接、哪些区域应该是空的、哪些细长结构应当延续而不是断开。
在神经三维表示中，三平面是一种常见的紧凑编码方式。它使用三个互相正交的二维特征平面来表示三维空间中的特征场。对于三维空间中的任意一点，可以将其投影到三个平面上，分别查询该位置对应的特征向量，再将三组特征进行融合，得到该点的完整特征表示。
三平面可以被理解为一种隐式的三轴表示。与显式切片不同，三平面存储的是特征而非占据值，但它同样从三个正交方向对三维空间进行了分解。三轴切片机制与三平面思想密切相关：切片提供显式的结构视图，三平面则提供可学习的特征编码，二者结合可以同时兼顾结构可解释性和特征表达能力。
虽然不同实现会有细节差异，但一个基于三轴切片的三维生成系统通常包含以下几个关键模块。
该模块负责接收参考图像或文本条件，并将输入信息转化为可供后续生成使用的特征表示。对于图像条件，通常使用视觉编码网络提取图像特征；对于文本条件，则使用文本编码器得到语义特征。
输入编码模块的作用不是生成三维结构，而是提供语义和外观层面的引导信息。例如，输入一张椅子的照片，模型需要理解“这是一把椅子”，同时还要提取出材质、纹理、大致比例等信息。
这是整个系统的核心模块。它接收输入编码模块传来的条件特征，并在三个正交方向上分别生成切片序列。
每个方向上的切片生成可以看作一个二维生成问题。由于二维生成技术相对成熟，能够实现较高的空间分辨率和细节表现，因此三轴切片生成模块可以借助二维生成的成熟能力，间接获得三维结构的精细表达。
具体来说：
三组切片分别从不同方向描述同一个三维物体。关键点在于，这三组切片必须保持一致性，即它们描述的是同一个物体，不能互相矛盾。
三组切片独立生成时，很容易出现不一致的情况。例如，某一位置在XY切片中显示为实心，但在对应的XZ切片中却显示为空心。这种不一致会导致后续三维融合时出现结构冲突。
因此，跨轴一致性约束模块的作用就是确保三组切片在空间上互相对应。一种常见的做法是在生成过程中引入共享的潜在变量，或者使用交叉注意力机制，让不同轴向的切片在生成时能够互相参考。通过这种跨轴约束，三组切片不再是孤立的二维结果，而是被约束为同一个三维形体的三个投影。
在获得三组切片之后，系统需要将它们融合回三维空间。融合的方式可以有多种：
融合模块的目标是得到一个一致的三维结构，使物体在任意截面上的形状与对应方向的切片保持一致。这一步可以被视为从三个二维约束恢复一个三维解的过程。
下面从整体流程角度说明三轴切片生成系统的运行步骤。
系统接收一张参考图像或一段文本描述。输入经过编码模块处理，转化为条件特征向量。这个特征向量包含了物体的类别、总体形状、外观风格等信息。
在条件特征的引导下，切片生成模块在三个正交方向上分别生成切片序列。每个方向上的切片数量取决于目标分辨率。例如，对于64分辨率的三维模型，每个方向需要生成64个切片。
切片生成过程通常采用从低分辨率到高分辨率的渐进方式。先生成粗粒度的切片轮廓，再逐步细化。渐进生成的目的是降低直接生成高分辨率切片序列的难度，同时保持整体结构的稳定性。
在切片生成过程中，跨轴约束模块会持续协调三个方向的输出。具体机制可以理解为：
通过这种约束，模型不能随意改变某个方向上的局部形状，否则会与另外两个方向产生矛盾。这实际上形成了一种隐式的结构监督，迫使模型在生成时考虑空间的整体一致性。
三组切片生成完成后，系统将其融合为三维表示。融合过程的本质是求解一个与所有切片的交集一致的三维占据场。
举例来说，如果某个空间位置在三个方向的切片中都被标记为“被占据”，那么该位置在最终三维模型中应当被保留；如果在任一方向的切片中被标记为“空”，则需要结合其他约束判断其最终状态。融合模块会综合考虑三组切片的证据，而不是简单取交集或并集。
初步融合得到的三维模型可能存在表面粗糙、局部厚度异常、小孔洞等问题。细化模块对融合结果进行进一步处理，例如：
经过细化后，最终输出三维模型。
单方向切片只能提供一个方向上的信息，存在较大歧义。例如，一个圆形截面既可能来自球体，也可能来自圆柱体，还可能来自复杂形体的局部。但当三个方向的切片同时可用时，歧义显著降低。
三轴切片相当于从三个互相独立的视角观察同一物体。每个空间位置都需要同时满足三个方向上的切片约束。这种多方向一致性约束，使得模型很难生成那些“局部看起来合理、但结构上不成立”的结果。
二维图像生成技术已经非常成熟，能够生成高分辨率、细节丰富的图像。三轴切片机制的一个关键优势是，它将三维生成问题部分转化为二维生成问题。模型可以在切片级别使用成熟的二维卷积结构，从而间接获得高分辨率的三维表达能力。
这并不意味着三维问题被完全降维了，因为三组切片之间的跨轴约束仍然需要三维层面的协调。但将生成压力分散到三个方向的二维切片上，确实让模型能够更高效地利用二维生成的优势。
传统体素或隐式场方法中，结构连接关系通常是隐式学习的结果。模型需要从大量训练样本中自行发现“细长结构不应中断”这一规律。而三轴切片机制通过跨轴一致性约束，将结构连续性转化为一种显式的几何约束。
当一个细长结构沿某一方向延伸时，它在对应方向的多个连续切片中会表现为连续占据。如果模型试图中断这个结构，就需要在多个切片上同时制造断裂，而这会受到跨轴约束的强烈抵制。因此，细长结构在三轴切片框架下更容易被保持连续。
镂空结构和重复结构是传统三维生成中的难点。镂空结构需要模型同时处理好“实”与“空”的关系：空腔的边缘必须保持完整，不能出现意外填补。重复结构则需要模型在长时间范围内保持周期的稳定性。
三轴切片通过多方向的信息互补，帮助模型更准确地判断哪些区域应当为空。例如，一个穿透物体的孔洞，会在至少一个方向的切片中表现为贯穿的空腔。如果模型试图填平这个孔洞，就会在对应方向的切片上产生矛盾。
对于重复结构，三轴切片能够提供跨方向的周期证据。螺旋楼梯的台阶在垂直方向切片中表现为周期性出现的截面，在水平方向切片中则表现为环状分布。这种多方向的周期信号相互印证，使模型更容易维持重复结构的规律性。
为了更直观地理解上述机制，下面用一个简化的示例展开说明。
假设目标物体是一个中空的镂空球壳，表面分布着若干圆形孔洞。
如果只沿Z轴切片，每个XY截面都会呈现环形，但孔洞的信息取决于孔洞的位置和切片间距。某些孔洞可能只出现在少数几个切片中，表现为环形的局部缺口。模型很难仅凭这些零散缺口准确判断孔洞的形状和位置，甚至可能忽略它们。
当同时沿X、Y、Z三个方向切片时：
通过这个示例可以看到，三轴切片并非简单地增加数据量，而是提供了信息互补的观测方式。不同的结构特征在不同方向的切片上具有不同的表现，三轴联合观察使得那些单方向难以判定的结构特征变得明确。
结构连续性更强。 通过多方向的一致性约束，细长结构和镂空结构更容易保持几何连续，减少断裂和粘连。
生成效率更高。 将三维生成压力分散到三个方向的二维切片上，可以借助成熟的二维生成能力，在较低的三维计算成本下实现较好的效果。
表示更具可解释性。 切片是显式的二维结构，相比黑盒式的隐式场更易于可视化和分析。问题出现时，可以通过检查三轴切片定位结构错误发生的方向。
对重复结构更友好。 多方向的周期信号互相印证，使得模型能够更稳定地生成螺旋、阶梯、格栅等重复结构。
三轴一致性的实现难度较高。 要严格保证三组切片在任意空间位置都互相一致并不容易。如果跨轴约束不够强，融合时仍可能出现伪影。
切片数量与分辨率的权衡。 虽然切片方案降低了内存压力，但切片数量仍然与目标分辨率成正比。高分辨率生成需要处理大量的切片数据，计算量不容忽视。
对非轴对齐结构的敏感度。 三轴切片天然对与坐标轴对齐的结构更友好。对于与三个轴都有较大夹角的斜向结构，切片中的表现会变得分散，可能影响结构的紧凑性表达。
训练复杂度较高。 相比单一表示方式，三轴切片框架通常需要更复杂的训练策略和损失设计，例如需要同时优化切片生成损失、跨轴一致性损失和三维融合损失，训练调参难度更高。
有观点认为，三轴切片只是把三维问题拆成二维，本质上和普通的切片方法没有区别。实际上，三轴切片的关键不在“切成片”，而在“三轴联合约束”。单一方向的切片仍然面临结构歧义，只有三组切片在跨轴约束下保持一致性时，结构优势才会显现。
切片数量增加确实能提供更高的空间采样密度，但结构保留能力并不只取决于切片密度。如果跨轴约束没有相应加强，单纯增加切片数量可能带来更多计算开销，而结构断裂问题未必会消失。切片粒度需要与结构特征的尺度相匹配。
医学CT通过物理扫描获取真实物体的切片图像，而三轴切片生成中的切片是模型生成的结果。两者都利用切片表示，但三轴切片生成的核心挑战在于“生成一致性”，即三组人工生成的切片必须共同描述一个物理上可能的三维物体。这是三轴切片生成与传统切片重建的本质区别。
三轴切片的核心思想可以归结为一句话：让三维生成模型从三个正交方向分别观察和理解形体，再通过跨轴一致性约束将三组二维观察融合为结构连贯的三维结果。
这种机制并非为了取代体素、隐式场或点云等三维表示，而是为它们提供一种结构感知的补充路径。通过三轴切片，模型不再只是学习“空间里哪里有物质”，而是被迫同时学习“这个形体在不同方向上如何连接、如何支撑、如何延续”。
对于需要处理镂空、细长、重复等复杂结构的场景，三轴切片提供了一种有参考价值的思路：与其一味提高空间分辨率，不如改善模型对结构的理解方式。基于这一原理的技术路线，在未来三维生成模型的演进中值得持续关注。