论文页面 - Function2Scene：基于功能规格的3D室内场景布局

来源：https://huggingface.co/papers/2605.30819

摘要

Function2Scene 能够根据功能描述生成3D室内布局，它通过解析用户需求并应用设计约束，结合几何分析、语言建模和视觉评估的迭代优化过程来实现这一目标。

大多数基于文本驱动的3D室内场景合成（https://huggingface.co/papers?q=text-driven%203D%20indoor%20scene%20synthesis）方法是从以物体为中心的提示出发生成房间，询问应该放置什么家具，而不是空间如何使用。然而在真实室内设计中，布局的好坏取决于它对 occupants（居住者）的支持程度，例如他们的活动（https://huggingface.co/papers?q=activities）和生理需求。我们提出了 Function2Scene，一个根据功能规格（https://huggingface.co/papers?q=functional%20specifications）生成3D室内布局的框架，功能规格即描述谁将使用房间以及他们需要在那里做什么的自然语言设计简报（https://huggingface.co/papers?q=natural-language%20design%20briefs）。给定这样一份规格说明，我们的系统会解析 occupants 的角色（https://huggingface.co/papers?q=occupant%20personas）和活动（https://huggingface.co/papers?q=activities），从涵盖空间、人体工程学、活动及环境因素的17项标准分类（https://huggingface.co/papers?q=taxonomy%20of%2017%20criteria）中推导出一套定制化的功能设计约束（https://huggingface.co/papers?q=functional%20design%20constraints），并使用这些约束来指导布局生成。Function2Scene 不依赖 LLM 直接生成最终场景，而是通过一个工具增强的检查-修复循环（https://huggingface.co/papers?q=check-and-repair%20loop）进行迭代评估和优化，结合几何测量（https://huggingface.co/papers?q=geometric%20measurements）、基于LLM的上下文推理（https://huggingface.co/papers?q=LLM-based%20contextual%20reasoning）和基于VLM的视觉评估（https://huggingface.co/papers?q=VLM-based%20visual%20assessment）。在30个专业编写的室内设计案例上的实验表明，Function2Scene 生成的布局比近期基于LLM的场景合成基线更符合功能需求，我们的结果在94.3%的成对比较中被优先选择。我们的工作将文本驱动的室内场景合成从放置合理的物体重新定义为设计支持人类使用的空间。

查看arXiv页面（https://arxiv.org/abs/2605.30819）查看PDF（https://arxiv.org/pdf/2605.30819）项目页面（https://function2scene.github.io/）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.30819）

在您的 agent 中获取这篇论文：

hf papers read 2605.30819

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

引用此论文的模型0

没有模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2605.30819 可从此页面关联。

引用此论文的数据集0

没有数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.30819 可从此页面关联。

引用此论文的 Spaces0

没有 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2605.30819 可从此页面关联。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到一个收藏集（https://huggingface.co/new-collection）可从此页面关联。