论文页面 - SynCity 3000：自举场景级3D扩散

来源：https://huggingface.co/papers/2607.05392

摘要

SynCity 3000 通过将图像到3D生成器适配为卷积算子，并在合成场景数据上进行微调，从而生成大型、连贯的3D场景。

我们提出 SynCity 3000，一个能够生成全局连贯且支持精细布局控制的3D场景的框架。基于当前图像到3D生成器（https://huggingface.co/papers?q=image-to-3D%20generators）从单张图像生成复杂3D资产的能力，我们通过将生成器适配为可用的卷积算子（https://huggingface.co/papers?q=convolutional%20operator），将这一能力扩展到整个场景的规模。为此，我们在由一种新型合成数据引擎（https://huggingface.co/papers?q=synthetic%20data%20engine）生成的场景级数据上对模型进行微调（https://huggingface.co/papers?q=fine-tuning），以解决训练数据中3D场景匮乏的问题。随后，将卷积生成器应用于根据用户提示生成的整个场景的等轴测图像（https://huggingface.co/papers?q=dimetric%20image），从而产生任意大小和复杂度的3D场景。在各种提示和布局下，SynCity 3000 能生成大型、连贯且细节丰富的场景，弥补了以往3D场景生成方法（https://huggingface.co/papers?q=3D%20scene%20generation）的不足。

查看 arXiv 页面（https://arxiv.org/abs/2607.05392）查看 PDF（https://arxiv.org/pdf/2607.05392）项目页面（https://research.paulengstler.com/syncity-3k/）GitHub（https://github.com/paulengstler/syncity-3k）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2607.05392）

在您的代理中获取此论文：

hf papers read 2607\.05392

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

引用此论文的模型0

无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2607.05392 以从此页面链接。

引用此论文的数据集0

无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2607.05392 以从此页面链接。

引用此论文的 Space0

无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2607.05392 以从此页面链接。

包含此论文的收藏集0

无收藏集包含此论文

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