우리는 부호 거리 함수 (SDF, Signed Distance Fields)와 같은 입력 기하학적 조건으로부터 예술가 스타일의 삼각형 토폴로지를 가진 컴팩트한 3D 메쉬를 직접 생성하는 새로운 생성적 접근 방식인 TriFlow를 선보입니다. 우리의 핵심 통찰은 메쉬 토폴로지를 표면 위에 정의된 최근접 정점 벡터 필드 (NVF, Nearest-Vertex Vector Field)로 표현하는 것이며, 여기서 각 지점은 로컬 중심 좌표계 (Barycentric frame) 내에서 가장 가까운 삼각형 정점과의 연관성을 인코딩합니다. 우리는 이 필드를 합성하기 위해 잠재 흐름 매칭 (Latent Flow-matching) 모델을 학습시켜, 입력 기하학에 조건화된 토폴로지 생성을 가능하게 합니다. 일관된 메쉬를 추출하기 위해, 우리는 생성된 NVF를 사용하여 표면 영역을 클러스터링하고, 토폴로지 인식 최적화 (Topology-aware optimization)를 통해 제약된 이차 오차 메트릭 (QEM, Quadric Error Metric) 메쉬 단순화를 유도합니다. 이를 통해 입력 기하학에 밀접하게 일치하면서도 구조화된 예술가 스타일의 연결성을 보여주는 출력 메쉬를 얻을 수 있습니다. 실험 결과, TriFlow는 최신 학습 기반 접근 방식들과 비교하여 더 강력한 일반화 성능과 현저히 향상된 토폴로지 품질을 달성하였으며, Chamfer Distance는 90% 낮아지고 속도는 8배 향상되었습니다.