论文页面 - InfiniDream: 通过程序化生成实现开放式照片级真实感 3D 世界

来源：https://huggingface.co/papers/2610.26853

摘要

InfiniDream 是一个视觉语言模型（VLM）框架，通过符号化的程序化资产创建与确定性场景布局，生成开放式、可编辑、照片级真实感的 3D 世界。

程序化生成（https://huggingface.co/papers?q=Procedural%20generation）在合成数据构建和游戏开发中扮演关键角色，相比静态网格表示提供了更强的可控性、可编辑性和多样性。然而，基于 VLM（https://huggingface.co/papers?q=VLM) 的代码生成往往产生相对简单的 3D 资产，而成熟的照片级真实感程序化系统则需要大量人工开发。现有的 VLM 引导的程序化方法在很大程度上仍受限于预定义的工厂和 API，限制了其创建新型资产类型的能力。我们提出了 InfiniDream，一个由 VLM 驱动的开放式程序化 3D 世界生成框架。首先，我们提出了符号约束资产生成（https://huggingface.co/papers?q=Symbolically%20Constrained%20Asset%20Generation），该方法利用现有的程序化算法创建新颖的照片级真实感资产，同时保持可编辑性和基于随机种子的多样性。其次，我们开发了一个端到端的文本到世界管线（https://huggingface.co/papers?q=text-to-world%20pipeline），将语义场景规划（https://huggingface.co/papers?q=semantic%20scene%20planning) 与确定性视锥引导网格布局（https://huggingface.co/papers?q=Deterministic%20Frustum-Guided%20Grid%20Placement) 相结合，构建具有精确物体定位、程序化填充和动画能力的大规模 3D 世界。在 100 个物体和 20 个场景生成任务上的大量评估表明，该方法在四项感知指标上均有提升。多样性分析、消融实验和人类偏好评估进一步验证了我们框架的有效性。项目主页：https://yichuanh.github.io/infinidream-page/

查看 arXiv 页面 (https://arxiv.org/abs/2610.26853) ｜ 查看 PDF (https://arxiv.org/pdf/2610.26853) ｜ 项目主页 (https://yichuanh.github.io/infinidream-page/) ｜ GitHub3 (https://github.com/yichuanH/InfiniDream) ｜ 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.26853)

在你的 agent 中获取这篇论文：

hf papers read 2610.26853

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

引用本论文的模型 0

暂无关联此论文的模型。

在模型 README.md 中引用 arxiv.org/abs/2610.26853 以从此页面链接到该模型。

引用本论文的数据集 0

暂无关联此论文的数据集。

在数据集 README.md 中引用 arxiv.org/abs/2610.26853 以从此页面链接到该数据集。

引用本论文的 Spaces 0

暂无关联此论文的 Space。

在 Space README.md 中引用 arxiv.org/abs/2610.26853 以从此页面链接到该 Space。

包含本论文的合集 0

暂无包含本论文的合集。

将本论文添加到合集 (https://huggingface.co/new-collection) 以从此页面链接到该合集。