论文页面 - 将3D生成模型改造用于自回归布局生成

来源：https://huggingface.co/papers/2604.16299

摘要

LaviGen 提出了一种3D布局生成框架，该框架使用经过适配的3D扩散模型，并引入双重引导自展蒸馏机制，以提升效率与空间精度。

我们提出 LaviGen 框架，可将3D生成模型 (https://huggingface.co/papers?q=3D%20generative%20models) 改造用于3D布局生成 (https://huggingface.co/papers?q=3D%20layout%20generation)。与以往从文本描述推断物体布局的方法不同，LaviGen 直接在原生3D空间中运行，将布局生成构建为自回归过程 (https://huggingface.co/papers?q=autoregressive%20process)，显式建模物体间的几何关系 (https://huggingface.co/papers?q=geometric%20relations) 与物理约束 (https://huggingface.co/papers?q=physical%20constraints)，从而生成连贯且物理合理的3D场景。为进一步增强这一过程，我们提出一种经过适配的3D扩散模型 (https://huggingface.co/papers?q=3D%20diffusion%20model)，该模型融合了场景、物体与指令信息，并采用双重引导自展蒸馏 (https://huggingface.co/papers?q=dual-guidance%20self-rollout%20distillation) 机制以提高效率与空间精度。在 LayoutVLM 基准 (https://huggingface.co/papers?q=LayoutVLM%20benchmark) 上的大量实验表明，LaviGen 在3D布局生成 (https://huggingface.co/papers?q=3D%20layout%20generation) 性能上表现优异，物理合理性比现有最优方法高出19%，计算速度提升65%。我们的代码已在 https://github.com/fenghora/LaviGen 公开。

查看 arXiv 页面 (https://arxiv.org/abs/2604.16299) 查看 PDF (https://arxiv.org/pdf/2604.16299) 项目页面 (https://fenghora.github.io/LaviGen-Page/) GitHub10 (https://github.com/fenghora/LaviGen) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2604.16299)

在您的智能体中获取此论文：

hf papers read 2604.16299

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

引用此论文的模型0

没有模型关联此论文

请在模型 README.md 中引用 arxiv.org/abs/2604.16299 以从此页面链接。

引用此论文的数据集0

没有数据集关联此论文

请在数据集 README.md 中引用 arxiv.org/abs/2604.16299 以从此页面链接。

引用此论文的 Spaces0

没有 Space 关联此论文

请在 Space README.md 中引用 arxiv.org/abs/2604.16299 以从此页面链接。

包含此论文的合集0

没有合集包含此论文

请将此论文添加到一个合集 (https://huggingface.co/new-collection) 中以从此页面链接。