Imaginarium：面向视觉引导的高质量 3D 场景布局生成
计算机视觉与模式识别
2025-10-20 v1
摘要
生成具有艺术性和一致性的 3D 场景布局是数字内容创建中的关键任务。传统的基于优化的方法常受到繁复手动规则的约束，而深度生成模型则在内容的丰富性和多样性方面存在挑战。此外，依赖大语言模型的方法常缺乏鲁健性，无法准确捕捉复杂的空间关系。为此，本文提出一种新颖的视觉引导 3D 布局生成系统。我们首先构建包含 2,037 个场景资产和 147 个 3D 场景布局的高质量资产库。随后，我们利用图像生成模型将提示表示扩展为图像，并进行微调以适配资产库。我们开发了基于视觉语义和几何信息的鲁健图像解析模块，用于从视觉信息中恢复场景的 3D 布局。最后，我们利用场景图和整体视觉语义对场景布局进行优化，以确保逻辑一致性并与图像对齐。大量用户测试表明，我们的算法在布局的丰富性和质量方面显著优于现有方法。代码和数据集将发布于 https://github.com/HiHiAllen/Imaginarium。
引用
@article{arxiv.2510.15564,
title = {Imaginarium: Vision-guided High-Quality 3D Scene Layout Generation},
author = {Xiaoming Zhu and Xu Huang and Qinghongbing Xie and Zhi Deng and Junsheng Yu and Yirui Guan and Zhongyuan Liu and Lin Zhu and Qijun Zhao and Ligang Liu and Long Zeng},
journal= {arXiv preprint arXiv:2510.15564},
year = {2025}
}