计算机科学 > 计算机视觉与模式识别
[提交于 2025年9月18日
]
标题: SPATIALGEN:布局引导的3D室内场景生成
标题: SPATIALGEN: Layout-guided 3D Indoor Scene Generation
摘要: 创建高保真度的室内环境3D模型对于设计、虚拟现实和机器人技术的应用至关重要。然而,手动3D建模仍然耗时且劳动密集。尽管生成式AI的最新进展实现了自动场景合成,但现有方法在平衡视觉质量、多样性、语义一致性和用户控制方面仍面临挑战。一个主要瓶颈是缺乏针对此任务的大规模高质量数据集。为解决这一差距,我们引入了一个综合的合成数据集,包含12,328个结构化注释场景,57,440个房间,以及470万张逼真的2D渲染图像。利用这个数据集,我们提出了SpatialGen,一种新颖的多视图多模态扩散模型,可以生成真实且语义一致的3D室内场景。给定一个3D布局和参考图像(来自文本提示),我们的模型从任意视角合成外观(颜色图像)、几何(场景坐标图)和语义(语义分割图),同时在不同模态之间保持空间一致性。在我们的实验中,SpatialGen始终生成优于之前方法的结果。我们开源了我们的数据和模型,以赋能社区并推进室内场景理解和生成领域的发展。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.