论文页面 - SceneMosaic：基于混合智能体布局演化的高效多样化仿真就绪场景生成

来源：https://huggingface.co/papers/2609.05594

摘要

SceneMosaic 结合学习到的图像先验与视觉语言智能体，通过演化局部单元并进行全局组合，高效生成多样化、物理合理的室内场景。

多样化且仿真就绪的室内场景对于交互式娱乐和具身人工智能至关重要，但其可扩展生成仍具挑战性。近期依赖视觉语言模型 (VLMs) 的智能体文本到3D场景管线可以生成高保真度场景，但需要昂贵的迭代物体放置与精修过程。另一主流范式——参数化图像到3D场景模型，能从二维图像学习到的强先验中高效生成场景，但常导致场景不精确且物理无效。更重要的是，这两种范式都难以从单一输入生成多样化场景，使其难以反映真实场景动态变化的本质。本文提出 SceneMosaic，一个融合两种范式优势的框架。该框架从基于学习的图像先验中获得初始候选，随后通过视觉语言智能体演化结果，兼顾效率与物理有效性。在演化过程中，SceneMosaic 利用自然场景的局部性，将场景分解为独立局部单元，在每个单元内独立演化，再通过笛卡尔积组合成全局场景。在 SceneEval-100 基准测试中，SceneMosaic 在语义布局质量上匹配了最强的智能体基线，同时实现24倍加速，显著减少物理违例，并获得最高的人类评分。我们的代码已公开于 https://github.com/rxjfighting/SceneMosaic。

查看 arXiv 页面 (https://arxiv.org/abs/2609.05594)查看 PDF (https://arxiv.org/pdf/2609.05594)项目页面 (https://rxjfighting.github.io/SceneMosaic/)GitHub13 (https://github.com/rxjfighting/SceneMosaic)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.05594)

在您的智能体中获取此论文：

hf papers read 2609\.05594

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

引用此论文的模型0

暂无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2609.05594 以从此页面建立链接。

引用此论文的数据集0

暂无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2609.05594 以从此页面建立链接。

引用此论文的空间0

暂无空间链接此论文

在空间 README.md 中引用 arxiv.org/abs/2609.05594 以从此页面建立链接。

包含此论文的收藏0

暂无收藏包含此论文

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