MVRoom：基于多视角扩散模型的可控3D室内场景生成
计算机视觉与模式识别
2025-12-05 v1 人工智能
摘要
我们提出MVRoom，一个基于粗糙3D布局的可控3D室内场景新视角合成(NVS)管道。MVRoom采用两阶段设计，其中3D布局用于强制执行多视角一致性。第一阶段使用新颖表征方式有效桥接3D布局和一致的基于图像的条件信号，以实现多视角生成。第二阶段进行图像条件下的多视角生成，融入布局感知的三角轴注意力机制，以增强扩散过程中多视角一致性。此外，我们引入迭代框架，通过递归执行多视角生成(MVRoom)来生成具有不同对象数量和场景复杂度的3D场景，支持文本到场景生成。实验结果表明，我们的方法在定量和定性方面均优于最先进的基线方法，实现了NVS的高保真度和可控3D场景生成。消融研究进一步验证了我们生成管道中关键组件的有效性。
引用
@article{arxiv.2512.04248,
title = {MVRoom: Controllable 3D Indoor Scene Generation with Multi-View Diffusion Models},
author = {Shaoheng Fang and Chaohui Yu and Fan Wang and Qixing Huang},
journal= {arXiv preprint arXiv:2512.04248},
year = {2025}
}