论文页面 - PhotoFlow：自主式3D虚拟摄影任务

来源：https://huggingface.co/papers/2605.23771

摘要

一个名为PhotoFlow的导演-评审-反思（Director-Reviewer-Reflector）智能体，通过将3D空间理解与审美判断相结合，在任意Blender场景中实现语言条件下的虚拟摄影。

虚拟摄影要求智能体进入一个准备好的3D场景，没有预设的相机姿态或参考图像，根据场景信息和语言意图推断出合适的镜头，选择可执行的相机参数（https://huggingface.co/papers?q=camera%20parameters），并渲染最终照片。近年来视觉语言模型（https://huggingface.co/papers?q=vision-language%20models）的进展使得这种空间智能体（https://huggingface.co/papers?q=spatial%20agent）越来越可行，但该任务对两种能力提出了挑战，而这两种能力很难一起评估：复杂的3D空间理解（https://huggingface.co/papers?q=3D%20spatial%20understanding）和抽象的审美判断（https://huggingface.co/papers?q=aesthetic%20judgment）。我们提出了PhotoFlow（https://huggingface.co/papers?q=PhotoFlow），一种用于闭环相机搜索的导演-评审-反思智能体（https://huggingface.co/papers?q=Director-Reviewer-Reflector%20agent）。导演构建一个软性摄影蓝图（https://huggingface.co/papers?q=photographic%20blueprint）并提出多样化的候选相机；评审结合规则检查、视觉批评（https://huggingface.co/papers?q=visual%20critique）和配对最优选择；反思将失败转化为区域记忆（https://huggingface.co/papers?q=region%20memory）、死区抑制（https://huggingface.co/papers?q=dead-zone%20suppression）和高度探索性重定位（https://huggingface.co/papers?q=high-explore%20relocation）。我们还提出了VPhotoBench（https://huggingface.co/papers?q=VPhotoBench），一个包含47个开放许可Blender场景（https://huggingface.co/papers?q=Blender%20scenes）和141个语言条件摄影（https://huggingface.co/papers?q=language-conditioned%20photography）任务的基准测试，涵盖主体放置、关系构图和氛围/风格。在留出实验中，PhotoFlow（https://huggingface.co/papers?q=PhotoFlow）在六轮渲染预算下，在一次性预测、单链反思、锚点库选择和随机搜索中取得了最强的外部质量-对齐组合和成功率。据我们所知，这是首个将任意Blender场景（https://huggingface.co/papers?q=Blender%20scenes）中的语言条件虚拟摄影变为可执行智能体任务的工作，我们的结果表明，一个以LLM为中心的空间智能体（https://huggingface.co/papers?q=LLM-centered%20spatial%20agent）已经能够在旨在挑战3D推理和审美选择的设置中生成高质量的照片。

查看arXiv页面（https://arxiv.org/abs/2605.23771） 查看PDF（https://arxiv.org/pdf/2605.23771） 项目页面（https://visionary-laboratory.github.io/PhotoFlow/） GitHub2（https://github.com/Visionary-Laboratory/PhotoFlow） 添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.23771）

在您的智能体中获取本论文：

hf papers read 2605\.23771

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本论文的模型0

没有模型链接本论文

请在模型README.md中引用arxiv.org/abs/2605.23771，以便从此页面链接。

引用本论文的数据集0

没有数据集链接本论文

请在数据集README.md中引用arxiv.org/abs/2605.23771，以便从此页面链接。

引用本论文的Space0

没有Space链接本论文

请在Space README.md中引用arxiv.org/abs/2605.23771，以便从此页面链接。

包含本论文的收藏0

没有收藏包含本论文

请将本论文添加到一个收藏（https://huggingface.co/new-collection）中以从此页面链接。