MetaFind：面向连贯元宇宙场景生成的场景感知 3D 资产检索
计算机视觉与模式识别
2025-10-07 v1 人工智能
摘要
我们提出 MetaFind，一个面向增强元宇宙场景生成的场景感知三模组合检索框架，用于从大规模资源库中检索 3D 资产。MetaFind 解决了两个核心挑战：（i）资产检索忽略空间、语义和风格约束导致检索结果不一致；（ii）缺乏专为 3D 资产检索设计的标准化检索范式，现有方法主要依赖通用 3D 形状表示模型。我们的关键创新是支持文本、图像和 3D modalities 任意组合的查询的灵活检索机制，通过联合建模对象级特征（包括外观）和场景级布局结构，增强空间推理和风格一致性。方法上，MetaFind 引入一个即插即用的等变布局编码器 ESSGNN，捕获空间关系和对象外观特征，确保检索到的 3D 资产在上下文和风格上与现有场景一致，且不受坐标系变换影响。该框架支持通过持续适应当前场景更新来实现迭代场景构建。实验结果表明，MetaFind 在各种检索任务中相较于基线方法实现了更好的空间和风格一致性。
引用
@article{arxiv.2510.04057,
title = {MetaFind: Scene-Aware 3D Asset Retrieval for Coherent Metaverse Scene Generation},
author = {Zhenyu Pan and Yucheng Lu and Han Liu},
journal= {arXiv preprint arXiv:2510.04057},
year = {2025}
}
备注
The Thirty-Ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)