論文の概要: CasLayout: Cascaded 3D Layout Diffusion for Indoor Scene Synthesis with Implicit Relation Modeling

• arxiv url: http://arxiv.org/abs/2604.27361v1
• Date: Thu, 30 Apr 2026 03:18:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.899024
• Title: CasLayout: Cascaded 3D Layout Diffusion for Indoor Scene Synthesis with Implicit Relation Modeling
• Title（参考訳）: CasLayout: 帰属関係モデルを用いた室内シーン合成のための3次元レイアウト拡散
• Authors: Yingrui Wu, Youkang Kong, Mingyang Zhao, Weize Quan, Dong-Ming Yan, Yang Liu,
• Abstract要約: 既存のアプローチは、しばしば構造境界を見落としたり、冗長な生成エラーをもたらす完全に連結された関係グラフに依存したりする。 人間のデザイン認知にインスパイアされたCasは,共同シーン生成タスクを4つの条件付きサブステージに分解する,カスケード拡散フレームワークである。 実験により、Casは、実用上の制御性を改善しつつ、忠実さと多様性の最先端性能を達成することを示した。
• 参考スコア（独自算出の注目度）: 18.135856965440784
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Synthesizing realistic 3D indoor scenes remains challenging due to data scarcity and the difficulty of simultaneously enforcing global architectural constraints and local semantic consistency. Existing approaches often overlook structural boundaries or rely on fully connected relation graphs that introduce redundant generation errors. Inspired by human design cognition, we present CasLayout, a cascaded diffusion framework that decomposes the joint scene generation task into four conditional sub-stages with explicit physical and semantic roles: (1) predicting furniture quantity and categories, (2) refining object sizes and feature embeddings, (3) modeling spatial relationships in a latent space, and (4) generating Oriented Bounding Boxes (OBBs). This decoupled architecture reduces data requirements and enables flexible integration of Large Language Models (LLMs) and Vision Language Models (VLMs) for zero-shot tasks such as image-to-scene generation. To maintain physical validity within complex floor plans, we explicitly model building elements (e.g., walls, doors, and windows) as conditional constraints. Furthermore, to address the high entropy of dense relation graphs, we introduce a sparse relation graph formulation aligned with human spatial descriptions. By encoding these sparse graphs into a compact latent space using a bidirectional Variational Autoencoder (VAE), the proposed framework provides enhanced relational controllability, allowing generated layouts to better respect functional organization. Experiments demonstrate that CasLayout achieves state-of-the-art performance in fidelity and diversity while enabling improved controllability in practical applications.
• Abstract（参考訳）: データ不足とグローバルなアーキテクチャ制約と局所的なセマンティック一貫性を同時に実施することの難しさにより、リアルな3D屋内シーンの合成は依然として困難である。 既存のアプローチは、しばしば構造境界を見落としたり、冗長な生成エラーをもたらす完全に連結された関係グラフに依存したりする。 人間のデザイン認知にインスパイアされたCasLayoutは,共同シーン生成タスクを,(1)家具量とカテゴリの予測,(2)オブジェクトのサイズと特徴の埋め込み,(3)潜時空間における空間関係のモデリング,(4)配向境界ボックス(OBB)の生成の4つの条件付きサブステージに分解する,ケースケード拡散フレームワークである。 この分離されたアーキテクチャは、データ要求を減らし、画像からシーン生成のようなゼロショットタスクのためのLarge Language Models(LLM)とVision Language Models(VLM)の柔軟な統合を可能にする。 複雑なフロア計画における物理的妥当性を維持するために,建築要素(壁,ドア,窓など)を条件付き制約として明示的にモデル化する。 さらに、密接な関係グラフの高エントロピーに対処するために、人間の空間的記述に整合したスパース関係グラフの定式化を導入する。 双方向変分オートエンコーダ(VAE)を用いて、これらのスパースグラフをコンパクトな潜在空間に符号化することにより、提案フレームワークは、拡張されたリレーショナル制御性を提供し、生成したレイアウトが機能的な組織をより尊重することを可能にする。 実験により、CasLayoutは、実用的なアプリケーションにおける制御性を改善しつつ、忠実さと多様性の最先端のパフォーマンスを達成することを示した。

関連論文リスト

• Pair2Scene: Learning Local Object Relations for Procedural Scene Generation [10.247549170637418]
  Pair2Sceneは、学習したローカルルールとシーン階層と物理ベースのアルゴリズムを統合する新しい手続き生成フレームワークである。 私たちのフレームワークは、トレーニングデータを超えた複雑な環境を生成する上で、既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2026-04-13T17:59:55Z)
• SSR: Pushing the Limit of Spatial Intelligence with Structured Scene Reasoning [30.87517633729756]
  SSRはStructured Scene Reasoning用に設計されたフレームワークである。 軽量アライメント機構によって2Dと3Dの表現をシームレスに統合する。 複数の空間インテリジェンスベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-28T02:05:35Z)
• Graph-Guided Dual-Level Augmentation for 3D Scene Segmentation [21.553363236403822]
  3Dポイントクラウドセグメンテーションは、シーン内の個々のポイントにセマンティックラベルを割り当てることを目的としている。 既存の手法では、大規模なアノテーションの負担を軽減するためにデータ拡張を採用するのが一般的である。 本稿では,現実的な3次元シーン合成のための2レベル制約付きグラフ誘導型データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-30T13:25:36Z)
• RoomCraft: Controllable and Complete 3D Indoor Scene Generation [51.19602078504066]
  RoomCraftは、実際の画像、スケッチ、テキスト記述をコヒーレントな3D屋内シーンに変換するマルチステージパイプラインである。 このアプローチでは,シーン生成パイプラインと制約駆動最適化フレームワークを組み合わせる。 RoomCraftは、リアルでセマンティックなコヒーレントで視覚的に魅力的な部屋レイアウトを生成する上で、既存の方法よりもはるかに優れています。
  論文  参考訳（メタデータ） (2025-06-27T15:03:17Z)
• Mixed Diffusion for 3D Indoor Scene Synthesis [55.94569112629208]
  提案するMiDiffusionは,可塑性3次元屋内シーンを合成するための混合離散連続拡散モデルである。 床条件の3次元シーン合成において,最先端の自己回帰モデルおよび拡散モデルより優れることを示す。
  論文  参考訳（メタデータ） (2024-05-31T17:54:52Z)
• CommonScenes: Generating Commonsense 3D Indoor Scenes with Scene Graph Diffusion [83.30168660888913]
  シーングラフを対応する制御可能な3Dシーンに変換する完全生成モデルであるCommonScenesを提案する。 パイプラインは2つのブランチで構成されており、1つは変分オートエンコーダでシーン全体のレイアウトを予測し、もう1つは互換性のある形状を生成する。 生成されたシーンは、入力シーングラフを編集し、拡散モデルのノイズをサンプリングすることで操作することができる。
  論文  参考訳（メタデータ） (2023-05-25T17:39:13Z)

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。