PARSE：基于部件的关系空间建模
计算机视觉与模式识别
2026-03-10 v1
摘要
物体间关系是空间智能的基础，但现有表征——语言介词或物体级场景图——过于粗糙，无法指定哪些区域实际支撑、包含或接触彼此，导致布局模糊且物理不一致。为解决这些歧义，需采用部件层面的表征；因此我们引入 PARSE，一个显式建模物体部件如何相互作用以确定可行且空间上有根号的场景配置的框架。PARSE 以 Part-centric Assembly Graph (PAG) 为核心，编码特定物体部件之间的几何关系，并通过 Part-Aware Spatial Configuration Solver 将这些关系转化为几何约束，以构建无碰撞、物理有效的场景。利用 PARSE，我们构建了 PARSE-10K 数据集，包含 10,000 个 3D 室内场景，源自真实图像布局先验和精选的部件标注形状数据库，每个场景都有密集的接触结构和部件级接触图。凭借这一结构化且空间上有根号的监督，fine-tuning Qwen3-VL 在 PARSE-10K 上的表现不仅提升了物体级布局推理，更实现了更精确的部件级关系理解；此外，将 PAG 作为 3D 生成模型的结构先验，使得场景在物理真实性和结构复杂性方面显著提升。综上所述，PARSE 在几何根号空间推理方面取得显著进展，并支持物理一致的 3D 场景生成。
引用
@article{arxiv.2603.07704,
title = {PARSE: Part-Aware Relational Spatial Modeling},
author = {Yinuo Bai and Peijun Xu and Kuixiang Shao and Yuyang Jiao and Jingxuan Zhang and Kaixin Yao and Jiayuan Gu and Jingyi Yu},
journal= {arXiv preprint arXiv:2603.07704},
year = {2026}
}