论文页面 - 3DCodeBench: 通过代码对智能体程序化3D建模进行基准测试

来源：https://huggingface.co/papers/2606.01057

摘要

视觉-语言模型通过一个基准测试和排名平台进行程序化3D建模任务的评估，该平台评估它们将文本和图像转换为可执行3D代码的能力。

通过代码进行程序化3D建模正成为一种通用范式，它提供确定性、引擎就绪且可精确编辑的资产，而神经3D生成器本质上缺乏这些特性。然而，创作此类程序化内容需要深入了解3D软件API、参数化设计以及代码级几何推理。本文中，我们提出了3DCodeBench，一个用于评估视觉-语言模型（VLM）智能体在程序化3D生成方面的系统基准测试。具体来说，3DCodeBench评估了12个先进VLM作为程序化3D建模器的有效性，它们将文本和图像参考转换为3D建模软件的程序化代码。鉴于自动评估指标可能无法完全捕捉3D形状的感知质量，我们构建了3DCodeArena，一个基于成对人类偏好对生成的3D输出进行排名的平台。通过广泛的评估和结果，我们观察到：(1) 失败主要源于API不匹配，而成功渲染的结果仍存在几何组件断开或漂浮的问题。(2) 测试时扩展，例如更高的思考预算和多轮优化，总体上提升了性能。我们的发现突显了对高质量程序化编码数据的需求，以推动商业VLM的发展。此外，有效的程序化3D建模需要一个强大的执行环境，该环境能为迭代优化提供高保真反馈。我们发布了3DCodeBench，包括经过整理的大规模多模态（文本/图像）提示数据集、程序化代码、3D物体三元组、评估协议，以及作为探索基于VLM的程序化3D建模器基础工具包的公共3DCodeArena平台。

查看arXiv页面 (https://arxiv.org/abs/2606.01057)查看PDF (https://arxiv.org/pdf/2606.01057)项目页面 (https://www.3dcodebench.com/)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.01057)

在你的智能体中获取此论文：

hf papers read 2606.01057

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

引用此论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2606.01057以在此页面链接。

引用此论文的数据集1

YipengGao/3DCode 查看器• 更新于约10小时前 • 13k • 15.1k • 7 (https://huggingface.co/datasets/YipengGao/3DCode)

引用此论文的Space0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2606.01057以在此页面链接。

包含此论文的收藏0

没有收藏包含此论文

添加此论文到一个收藏 (https://huggingface.co/new-collection)以在此页面链接。