WorldGen：从文本生成可遍历且可交互的3D世界
计算机视觉与模式识别
2025-11-24 v1 人工智能
摘要
我们介绍WorldGen，一个使能够直接从文本提示自动创建大规模、可交互3D世界的系统。我们的方法将自然语言描述转化为可遍历、完全纹理化的环境，可立即在标准游戏引擎中进行探索或编辑。通过结合LLM驱动的场景布局推理、程序化生成、基于扩散模型的3D生成以及面向对象的场景分解，WorldGen弥合了创意意图与功能虚拟空间之间的鸿沟，使创作者能够在无需手动建模或专业3D技术知识的情况下设计连贯、可导航的世界。该系统完全模块化，可对布局、规模和风格进行精细控制，生成的世界在几何上是一致的，视觉上丰富多彩，并且能够实时高效地渲染。本工作代表了对大规模可访问、生成式世界构建的一步进步，推动了面向游戏、仿真和沉浸式社交环境的3D生成AI前沿的发展。
引用
@article{arxiv.2511.16825,
title = {WorldGen: From Text to Traversable and Interactive 3D Worlds},
author = {Dilin Wang and Hyunyoung Jung and Tom Monnier and Kihyuk Sohn and Chuhang Zou and Xiaoyu Xiang and Yu-Ying Yeh and Di Liu and Zixuan Huang and Thu Nguyen-Phuoc and Yuchen Fan and Sergiu Oprea and Ziyan Wang and Roman Shapovalov and Nikolaos Sarafianos and Thibault Groueix and Antoine Toisoul and Prithviraj Dhar and Xiao Chu and Minghao Chen and Geon Yeong Park and Mahima Gupta and Yassir Azziz and Rakesh Ranjan and Andrea Vedaldi},
journal= {arXiv preprint arXiv:2511.16825},
year = {2025}
}