论文页面 - Mira-Scene：基于像素对齐布局的生成式三维场景

来源：https://huggingface.co/papers/2609.23796

摘要

单张图像的三维物体生成现已能产出高保真资产，然而将这些资产精确地放置到连贯的场景布局中，仍然是一个悬而未决的挑战。其核心难点在于物体布局的表征方式。整体性方法将放置问题融入场景级生成过程中，牺牲了物体级细节。组合式方法通过解耦几何与布局来保持物体保真度，但通常将布局参数化为稀疏、无界的位姿变量，这既难以学习，在场景级监督稀疏的情况下泛化能力也很差。我们提出了 Mira-Scene，一个组合式三维场景重建框架，它用稠密、有界的对应关系恢复替代了稀疏的位姿回归。其核心是规范坐标映射（Canonical Coordinate Map，CCM），一个像素对齐的场，将每个可见物体像素映射到其物体有界规范空间中的表面坐标。当与来自单目几何估计的场景空间点云映射（Scene-space PointCloud Map，PCM）配对时，CCM 可诱导出稠密的规范-场景对应关系，通过鲁棒的几何对齐从中恢复物体变换。由于 CCM 在有界规范空间中操作，它提供了一个稳定、可扩展的预测目标，可以利用可扩展的物体级三维数据进行训练，而无需场景级布局标注。Mira-Scene 进一步引入了一个多模态扩散 Transformer，它联合生成物体几何和 CCM，利用具有共享注意力和位置编码的模态特定专家流，以促进几何-布局的一致性。在室内、室外、合成和野外场景上的实验表明，Mira-Scene 在布局精度上显著优于强基线模型，使用有限的开源训练数据，在 3D-IoU 和 2D-IoU 上分别取得了相对于 SAM3D 的 39.8% 和 16.5% 的相对增益。

查看 arXiv 页面 (https://arxiv.org/abs/2609.23796)查看 PDF (https://arxiv.org/pdf/2609.23796)项目页面 (https://sunyangtian.github.io/Mira-Scene-web/)GitHub 仓库 (https://github.com/VAST-AI-Research/Mira-Scene)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.23796)

在你的智能体中获取这篇论文：

hf papers read 2609.23796

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

引用此论文的模型 0

暂无模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2609.23796 以从此页面进行链接。

引用此论文的数据集 0

暂无数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2609.23796 以从此页面进行链接。

引用此论文的 Space 0

暂无 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2609.23796 以从此页面进行链接。

包含此论文的收藏集 0

暂无收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从此页面进行链接。