Cazals 用了一种叫 Delaunay 三角剖分的方法，靠着数据点把三维曲面片的结构重新建了起来。Yong-bo 对这个算法进行了改进，提出了一个基于 Delaunay 的、针对无组织采样点模型表面重建的算法，这样数据读取的速度变快了，可是在比较 STL 顶点的时候，还是要花很长时间。戴宁等人选了 V - F 结构的顶点聚合算法，还加上虚平衡二叉树去查找相邻三角面片的边，这个办法把 STL 文件里的重复数据去掉了，但是在建立查找顶点节点数据和链表结构的时候，又会用掉不少时间。

安涛等人用半边结构去掉多余的顶点，再用 AVL 树来帮忙重建三角面片之间的拓扑关系，通过实验证明这个算法能让整个模型的读取效率提高。不过这个算法也有问题，找 AVL 树和调整它的平衡很麻烦，而且一定要等半边合并完了，才能构建拓扑结构关系，这样就会让算法的效率变低。张敏提出了一个用标志位去掉顶点比较的拓扑重建算法，只要访问一次顶点数据，就能建立顶点和面片之间的拓扑邻接关系，这样就能很快找到结构元素和其他相邻的元素。在 3D 打印技术里，分层的方向和厚度合不合理，对打印模型的质量和成型的效率有直接的影响。分层算法大概有等厚度分层和自适应分层这两种，根据设备不一样和材料的特点，又得用相应的分层算法。国内外的学者对分层方向和分层厚度做了很多研究。在分层方向上，主要是用表面质量、成型材料的消耗、成型的时间来建立单目标优化模型和多目标优化模型，通过优化计算来找到最好的分层方向。Masood 是通过算出不同分层方向下产生的误差体积，来确定最好的分层方向。

Hossein 针对那种表面简单、三角形面片总数少的 STL 模型，用判断三角形面片和分层方向的位置关系的办法，一个一个地判断，来决定哪个分层方向是最好的。于世浩建立了把成型方向和分层厚度当作变量的多目标优化模型，然后用 NSGA - II 算法进行优化，得到了 Pareto 解集，这样就能智能地选择成型方向和分层厚度。戴宁等人提出了基于非支配排序遗传算法的模型分层优化方法，通过建立表面粗糙度和加工时间这两个目标函数，给分层方向找出最优解集。

打印过程中，分层厚度是不是会变，把分层方法分成等层厚分层和自适应分层这两种。等层厚分层就是用一个固定的分层厚度对模型分层，它又可以分成基于 STL 模型几何特征分类的分层算法、基于拓扑关系的分层算法和基于三角形面片几何连续性的分层算法这三种。自适应分层算法就是根据模型局部的几何特征来调整分层厚度。分层越多，打印精度越高，但是打印时间也越长。为了平衡精度和成型效率，Dolen 和 Makela 提出了残余高度的概念，按照分层切片和三角形面片的交叉点，算出残余高度的值，用这个办法来确定分层厚度，实现了对 STL 模型分层厚度的自动调整。有文献是先把模型分成不同区域，对于那种有内外关系的零件，在不影响最终成型质量的前提下，在表面用比较小的、精细的分层厚度，在里面用比较大的分层厚度，经过打印测试件，发现这样能缩短整体的打印时间。