論文の概要: Direct Numerical Layout Generation for 3D Indoor Scene Synthesis via Spatial Reasoning

• arxiv url: http://arxiv.org/abs/2506.05341v1
• Date: Thu, 05 Jun 2025 17:59:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.904884
• Title: Direct Numerical Layout Generation for 3D Indoor Scene Synthesis via Spatial Reasoning
• Title（参考訳）: 空間推論による3次元室内シーン合成のための直接数値レイアウト生成
• Authors: Xingjian Ran, Yixuan Li, Linning Xu, Mulin Yu, Bo Dai,
• Abstract要約: 3D屋内シーン合成は、AIとデジタルコンテンツ作成の具体化に不可欠である。 既存のメソッドは、オープン語彙であり、きめ細かいユーザー指示に一致したシーンを生成するのに失敗する。 テキスト記述から数値的な3Dレイアウトを直接生成するフレームワークであるDirectを導入する。
• 参考スコア（独自算出の注目度）: 27.872834485482276
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Realistic 3D indoor scene synthesis is vital for embodied AI and digital content creation. It can be naturally divided into two subtasks: object generation and layout generation. While recent generative models have significantly advanced object-level quality and controllability, layout generation remains challenging due to limited datasets. Existing methods either overfit to these datasets or rely on predefined constraints to optimize numerical layout that sacrifice flexibility. As a result, they fail to generate scenes that are both open-vocabulary and aligned with fine-grained user instructions. We introduce DirectLayout, a framework that directly generates numerical 3D layouts from text descriptions using generalizable spatial reasoning of large language models (LLMs). DirectLayout decomposes the generation into three stages: producing a Bird's-Eye View (BEV) layout, lifting it into 3D space, and refining object placements. To enable explicit spatial reasoning and help the model grasp basic principles of object placement, we employ Chain-of-Thought (CoT) Activation based on the 3D-Front dataset. Additionally, we design CoT-Grounded Generative Layout Reward to enhance generalization and spatial planning. During inference, DirectLayout addresses asset-layout mismatches via Iterative Asset-Layout Alignment through in-context learning. Extensive experiments demonstrate that DirectLayout achieves impressive semantic consistency, generalization and physical plausibility.
• Abstract（参考訳）: リアルな3D屋内シーン合成は、AIとデジタルコンテンツ作成に不可欠である。 自然にオブジェクト生成とレイアウト生成の2つのサブタスクに分けることができる。 最近の生成モデルは、オブジェクトレベルの品質と制御性が著しく向上しているが、限られたデータセットのためにレイアウト生成は困難である。 既存のメソッドはこれらのデータセットに過度に適合するか、あるいは柔軟性を犠牲にする数値レイアウトを最適化するために事前に定義された制約に依存している。 結果として、オープンな語彙ときめ細かいユーザー指示に一致したシーンを生成するのに失敗する。 大規模言語モデル(LLM)の一般化可能な空間推論を用いて,テキスト記述から数値的な3次元レイアウトを直接生成するフレームワークであるDirectLayoutを紹介する。 DirectLayoutは生成を、Bird's-Eye View (BEV)レイアウトの生成、それを3D空間に持ち上げる、オブジェクト配置の精細化という3つのステージに分解する。 3D-Frontデータセットに基づくChain-of-Thought (CoT) Activationを用いて,空間的推論とモデルによるオブジェクト配置の基本原理の把握を支援する。 さらに、一般化と空間計画を強化するため、CoTを囲む生成レイアウト・リワードを設計する。 推論中、DirectLayoutはIterative Asset-Layout Alignmentを通じて、コンテキスト内学習を通じてアセットレイアウトミスマッチに対処する。 大規模な実験により、DirectLayoutは印象的なセマンティック一貫性、一般化、物理的妥当性を実現する。

関連論文リスト

• Layout2Scene: 3D Semantic Layout Guided Scene Generation via Geometry and Appearance Diffusion Priors [52.63385546943866]
  本稿では,3次元オブジェクト位置の正確な制御をインジェクションするプロンプトとして,追加のセマンティックレイアウトを用いたテキスト・ツー・シーン生成手法(Layout2Scene)を提案する。 幾何学および外見生成における2次元拡散先行をフル活用するために,意味誘導幾何拡散モデルと意味誘導幾何誘導拡散モデルを導入する。 我々の手法は、最先端のアプローチに比べて、より可塑性でリアルなシーンを生成することができる。
  論文  参考訳（メタデータ） (2025-01-05T12:20:13Z)
• LayoutVLM: Differentiable Optimization of 3D Layout via Vision-Language Models [57.92316645992816]
  空間的推論は人間の認知の基本的側面であり、三次元空間における物体の直感的な理解と操作を可能にする。 視覚言語モデル(VLM)のセマンティック知識を活用するフレームワークおよびシーンレイアウト表現であるLayoutVLMを紹介する。 本稿では,既存のシーンデータセットから抽出したシーンレイアウト表現を用いた微調整VLMによる推論性能の向上を実証する。
  論文  参考訳（メタデータ） (2024-12-03T06:15:04Z)
• InstructLayout: Instruction-Driven 2D and 3D Layout Synthesis with Semantic Graph Prior [23.536285325566013]
  自然言語命令を補完することは、2Dおよび3Dレイアウト合成システムにとって魅力的な特性である。 既存の手法は、オブジェクトの関節分布を暗黙的にモデル化し、オブジェクトの関係を表現し、生成物の可制御性合成システムを妨げる。 Instructは、セマンティックグラフとレイアウトデコーダを統合した、新しい生成フレームワークである。
  論文  参考訳（メタデータ） (2024-07-10T12:13:39Z)
• LLplace: The 3D Indoor Scene Layout Generation and Editing via Large Language Model [58.24851949945434]
  LLplace は軽量な微調整のオープンソース LLM Llama3 に基づく新しい3D屋内シーンレイアウトデザイナである。 LLplaceは、空間的関係の先行とコンテキスト内例の必要性を回避し、効率的で信頼性の高い部屋レイアウト生成を可能にする。 提案手法は,高品質な3D設計ソリューションを実現する上で,LLplaceがインタラクティブに3D屋内レイアウトを効果的に生成・編集できることを示す。
  論文  参考訳（メタデータ） (2024-06-06T08:53:01Z)
• Planner3D: LLM-enhanced graph prior meets 3D indoor scene explicit regularization [31.52569918586902]
  3Dシーンの合成は、ロボティクス、映画、ビデオゲームといった様々な産業に多様な応用がある。 本稿では,シーングラフからリアルで合理的な屋内シーンを生成することを目的とする。 本手法は,特にシーンレベルの忠実度の観点から,より優れた3次元シーン合成を実現する。
  論文  参考訳（メタデータ） (2024-03-19T15:54:48Z)
• GALA3D: Towards Text-to-3D Complex Scene Generation via Layout-guided Generative Gaussian Splatting [52.150502668874495]
  GALA3D, GALA3D, 生成3D GAussian, LAyout-guided control, for effective compositional text-to-3D generation。 GALA3Dは、最先端のシーンレベルの3Dコンテンツ生成と制御可能な編集のための、ユーザフレンドリーでエンドツーエンドのフレームワークである。
  論文  参考訳（メタデータ） (2024-02-11T13:40:08Z)
• LucidDreaming: Controllable Object-Centric 3D Generation [10.646855651524387]
  本稿では,テキストプロンプトコマンドや3Dバウンディングボックスのみから3次元生成を空間的,数値的に制御できるパイプラインを提案する。 LucidDreamingは、現在のアプローチと比較して、オブジェクトの配置精度と生成精度において優れた結果を得る。
  論文  参考訳（メタデータ） (2023-11-30T18:55:23Z)
• LayoutTransformer: Layout Generation and Completion with Self-attention [105.21138914859804]
  画像やモバイルアプリケーション,ドキュメント,3Dオブジェクトなど,さまざまな領域におけるシーンレイアウト生成の問題に対処する。 レイアウト要素間のコンテキスト的関係を学習するために,自己意識を活用する新しいフレームワークであるLayoutTransformerを提案する。 私たちのフレームワークでは、空のセットから、あるいはプリミティブの最初のシードセットから、新しいレイアウトを生成することができ、レイアウト毎に任意のプリミティブをサポートするために簡単にスケールすることができます。
  論文  参考訳（メタデータ） (2020-06-25T17:56:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。