HouseTour: 一个虚拟房地产智能体
计算机视觉与模式识别
2025-10-22 v1 计算与语言
摘要
我们介绍了HouseTour,一种从描绘现有3D空间的图像集合中生成空间感知的3D相机轨迹和自然语言摘要的方法。与难以进行几何推理的现有视觉语言模型(VLM)不同,我们的方法通过一个由已知相机位姿约束的扩散过程生成平滑的视频轨迹,并将此信息集成到VLM中以生成基于3D的描述。我们使用3D高斯泼溅合成最终视频,以沿轨迹渲染新视角。为了支持此任务,我们提供了HouseTour数据集,其中包含超过1200个房屋参观视频及其相机位姿、3D重建和房地产描述。实验表明,将3D相机轨迹纳入文本生成过程可提高性能,优于独立处理每个任务的方法。我们评估了独立性能和端到端性能,并引入了一种新的联合指标。我们的工作使得能够为房地产和旅游应用自动创建专业质量的视频,而无需专业知识或设备。
引用
@article{arxiv.2510.18054,
title = {HouseTour: A Virtual Real Estate A(I)gent},
author = {Ata Çelen and Marc Pollefeys and Daniel Barath and Iro Armeni},
journal= {arXiv preprint arXiv:2510.18054},
year = {2025}
}
备注
Published on ICCV 2025