論文の概要: RoomPlanner: Explicit Layout Planner for Easier LLM-Driven 3D Room Generation

• arxiv url: http://arxiv.org/abs/2511.17048v1
• Date: Fri, 21 Nov 2025 08:47:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:18.944312
• Title: RoomPlanner: Explicit Layout Planner for Easier LLM-Driven 3D Room Generation
• Title（参考訳）: RoomPlanner: LLM駆動の3Dルーム生成を容易にする明示的なレイアウトプランナ
• Authors: Wenzhuo Sun, Mingjian Liang, Wenxuan Song, Xuelian Cheng, Zongyuan Ge,
• Abstract要約: 入力として短いテキストだけでリアルな屋内シーンを作成するための,最初の完全自動3Dルーム生成フレームワークであるRoomPlannerを提案する。 本フレームワークは,手動レイアウト設計やパノラマ画像ガイダンスを使わずに,合理的な空間配置のための明示的なレイアウト基準を生成することができる。 本手法は,編集性を維持しつつ,レンダリング速度と視覚的品質を両立させ,幾何学的に合理的な3次元室内シーンを創出することができる。
• 参考スコア（独自算出の注目度）: 14.363615726338773
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this paper, we propose RoomPlanner, the first fully automatic 3D room generation framework for painlessly creating realistic indoor scenes with only short text as input. Without any manual layout design or panoramic image guidance, our framework can generate explicit layout criteria for rational spatial placement. We begin by introducing a hierarchical structure of language-driven agent planners that can automatically parse short and ambiguous prompts into detailed scene descriptions. These descriptions include raw spatial and semantic attributes for each object and the background, which are then used to initialize 3D point clouds. To position objects within bounded environments, we implement two arrangement constraints that iteratively optimize spatial arrangements, ensuring a collision-free and accessible layout solution. In the final rendering stage, we propose a novel AnyReach Sampling strategy for camera trajectory, along with the Interval Timestep Flow Sampling (ITFS) strategy, to efficiently optimize the coarse 3D Gaussian scene representation. These approaches help reduce the total generation time to under 30 minutes. Extensive experiments demonstrate that our method can produce geometrically rational 3D indoor scenes, surpassing prior approaches in both rendering speed and visual quality while preserving editability. The code will be available soon.
• Abstract（参考訳）: そこで,本研究では,室内の現実的なシーンを,短いテキストのみを入力として無痛に生成する,最初の完全自動3Dルーム生成フレームワークであるRoomPlannerを提案する。 手動のレイアウト設計やパノラマ画像ガイダンスがなければ、我々のフレームワークは合理的な空間配置のための明示的なレイアウト基準を作成できる。 まず、言語駆動型エージェントプランナーの階層構造を導入し、簡潔で曖昧なプロンプトを詳細なシーン記述に自動解析する。 これらの記述には、各オブジェクトと背景の生の空間的属性と意味的属性が含まれており、3Dポイントの雲を初期化するのに使用される。 オブジェクトを有界環境内に配置するために,空間配置を反復的に最適化する2つの配置制約を実装した。 最終レンダリング段階では、粗い3Dガウスのシーン表現を効率的に最適化するために、カメラ軌道に対する新しいAnyReachサンプリング戦略と、ITFS(Interval Timestep Flow Smpling)戦略を提案する。 これらのアプローチは、生成時間を30分以内に短縮するのに役立つ。 大規模な実験により, 編集性を維持しつつ, レンダリング速度と視覚的品質の両方において, 幾何学的に合理的な3次元屋内シーンを創出できることが実証された。 コードはまもなく利用可能になる。

関連論文リスト

• HLG: Comprehensive 3D Room Construction via Hierarchical Layout Generation [31.010614667725843]
  階層レイアウト生成(HLG)は,微細な3次元シーン生成のための新しい手法である。 HLGは、大規模な家具配置から複雑なオブジェクト配置まで、シーンレイアウトを精錬する、粗大できめ細かな階層的アプローチを採用した最初の企業である。 既存の手法と比較して,現実的な屋内シーンの生成において優れた性能を示す。
  論文  参考訳（メタデータ） (2025-08-25T09:32:57Z)
• OptiScene: LLM-driven Indoor Scene Layout Generation via Scaled Human-aligned Data Synthesis and Multi-Stage Preference Optimization [54.60030826635478]
  既存の屋内レイアウト生成手法は、プロンプト駆動と学習に基づく2つのカテゴリに分類される。 本稿では,大規模データセットである3D-SynthPlaceについて紹介する。 屋内レイアウト生成に最適化された強力なオープンソースLLMであるOptiSceneを紹介する。
  論文  参考訳（メタデータ） (2025-06-09T09:13:06Z)
• CHOrD: Generation of Collision-Free, House-Scale, and Organized Digital Twins for 3D Indoor Scenes with Controllable Floor Plans and Optimal Layouts [21.63819006421225]
  室内3次元シーンをスケーラブルに合成するための新しいフレームワークであるCHOrDを紹介する。 ChorDは家庭規模の、衝突のない、階層的に構成された屋内デジタル双生児を作る。
  論文  参考訳（メタデータ） (2025-03-15T02:05:10Z)
• 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)
• Prim2Room: Layout-Controllable Room Mesh Generation from Primitives [90.5012354166981]
  Prim2Roomは、2Dレイアウト条件と3Dプリミティブ検索を活用した制御可能なルームメッシュ生成のためのフレームワークである。 適応的な視点選択アルゴリズムを導入し、より好ましい視点から家具のテクスチャと幾何学を生成する。 提案手法は,生成した3Dシーンの精度と美的魅力を高めるだけでなく,詳細な部屋デザインのためのユーザフレンドリーなプラットフォームも提供する。
  論文  参考訳（メタデータ） (2024-09-09T07:25:47Z)
• 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)
• SceneWiz3D: Towards Text-guided 3D Scene Composition [134.71933134180782]
  既存のアプローチでは、大規模なテキスト・ツー・イメージモデルを使用して3D表現を最適化するか、オブジェクト中心のデータセット上で3Dジェネレータをトレーニングする。 テキストから高忠実度3Dシーンを合成する新しい手法であるSceneWiz3Dを紹介する。
  論文  参考訳（メタデータ） (2023-12-13T18:59:30Z)
• 3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure Prior [50.73148041205675]
  セマンティック・シーン・コンプリート(SSC)タスクの目標は、単一視点で観察することで、ボリューム占有率とシーン内のオブジェクトの意味ラベルの完全な3Dボクセル表現を同時に予測することである。 低解像度のボクセル表現で深度情報を埋め込む新しい幾何学的手法を提案する。 提案手法は,SSCフレームワークからの深度特徴学習よりも有効である。
  論文  参考訳（メタデータ） (2020-03-31T09:33:46Z)
• Scan2Plan: Efficient Floorplan Generation from 3D Scans of Indoor Scenes [9.71137838903781]
  Scan2Planは,室内環境の構造要素の3次元スキャンから,フロアプランを正確に推定するための新しい手法である。 提案手法は、初期ステージがシーンの無秩序な点雲をクラスタリングする2段階のアプローチを取り入れたものである。 その後の段階では、各部屋について単純なポリゴンによってパラメータ化された閉周を推定する。 最後のフロアプランは、グローバル・コーディネート・システムにおけるすべての部屋周計の集合である。
  論文  参考訳（メタデータ） (2020-03-16T17:59:41Z)

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。