EMERGE：与分辨率无关的基于等变图扩散的点云生成

点云生成已成为准确捕捉和复现物理世界复杂性的关键任务。然而，现有生成方法主要依赖 Transformers 和变分自编码器（VAEs），往往忽略了 3D 空间所固有的连续、非网格拓扑结构。尽管将基于图的结构融入相关判别式视觉任务已带来显著收益，但此类几何架构在 3D 生成建模中仍明显缺失。为弥补这一空白，我们提出了 EMERGE（Equivariant Multi-scale GNN for Resolution-agnostic point cloud GEneration），这是首个专为生成点云而设计、同时保持连续空间对称性的完全 SE(3) 等变基于图的扩散骨干网络。我们的框架摆脱了标准生成流程对固定分辨率的严格依赖，从而能够在多个任意空间分辨率下进行零样本推理。大量实证评估表明，EMERGE 在标准指标上实现了最先进的生成质量；同时，其固有的强几何归纳偏置使训练收敛速度显著快于现有基线方法。