أحدث التطورات في النمذجة ثلاثية الأبعاد التوليدية قد عززت بشكل كبير واقعية النماذج الناتجة، إلا أن المجال ما زال يعاني من التمثيلات الحالية التي تواجه صعوبات في التقاط الأصول ذات الهياكل المعقدة والتفاصيل البصرية الدقيقة. تقدم هذه الورقة منهجية لتعلم تمثيل خطي منظم من البيانات ثلاثية الأبعاد الأصلية لمعالجة هذا التحدي. وتمثّل النواة الأساسية لهذا المنهج هي بنية مكعبات نادرة جديدة تُسمى "O-Voxel"، وهي تمثيل مكعبات شبيهة بالكامل (Omni-voxel) يُشغّل في ترميز كل من الهندسة والملمس. تُتيح O-Voxel نمذجة هياكل هندسية عشوائية، بما في ذلك الأسطح المفتوحة وغير المانيفولد والأسطح المغلقة بالكامل، مع القدرة على التقاط خصائص سطحية شاملة تتجاوز لون النسيج، مثل معلمات التصوير القائمة على الفيزياء. استنادًا إلى O-Voxel، قمنا بتصميم نموذج VAE مضغوط نادر (Sparse Compression VAE) يوفر معدل ضغط فائق في الفضاء المكاني وفضاء خطي مكثف. وقد تم تدريب نماذج متوافقة على التدفق (flow-matching) كبيرة الحجم تضم 4 مليار معلمة لغرض التوليد ثلاثي الأبعاد باستخدام مجموعات بيانات أصول ثلاثية الأبعاد عامة ومتنوعة. وعلى الرغم من حجمها الكبير، تظل العمليات الاستنتاجية عالية الكفاءة. وفي الوقت نفسه، تفوق جودة الهندسة والمواد في الأصول المولدة لدينا جودة النماذج الحالية بشكل ملحوظ. نعتقد أن منهجنا يُمثّل تقدّمًا كبيرًا في مجال النمذجة التوليدية ثلاثية الأبعاد.