FastScene：基于全景高斯溅射的文本驱动快速 3D 室内场景生成

文本驱动的 3D 室内场景生成具有广泛的应用，涵盖游戏、智能家居到 AR/VR 应用。快速且高保真的场景生成对于确保用户友好体验至关重要。然而，现有方法的生成过程冗长，或需要繁琐的手动指定运动参数，给用户带来了不便。此外，这些方法通常依赖窄视场视角的迭代生成，损害了全局一致性和整体场景质量。为了解决这些问题，我们提出了 FastScene，一个在保持场景一致性的同时，实现快速且更高质量 3D 场景生成的框架。具体而言，给定文本提示，我们生成全景图并估计其深度，因为全景图包含整个场景的信息并表现出明确的几何约束。为了获得高质量的新视角，我们引入了粗视角合成（CVS）和渐进式新视角修复（PNVI）策略，以确保场景一致性和视角质量。随后，我们利用多视角投影（MVP）形成透视视角，并应用 3D Gaussian Splatting（3DGS）进行场景重建。综合实验表明，FastScene 在生成速度、质量和更好的场景一致性方面均优于其他方法。值得注意的是，仅由文本提示引导，FastScene 能在短短 15 分钟内生成 3D 场景，比现有最先进的方法快至少一个小时，使其成为用户友好场景生成的典范。