論文の概要: WorldClaw: Agentic 3D Open-World Generation at Scale
- arxiv url: http://arxiv.org/abs/2608.05248v1
- Date: Wed, 05 Aug 2026 15:46:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.651261
- Title: WorldClaw: Agentic 3D Open-World Generation at Scale
- Title（参考訳）: WorldClaw: エージェントによる3Dオープンワールドジェネレーション
- Abstract要約: 我々は、オープンワールド3Dシーン生成のための、完全にエージェント的で粗大なフレームワークであるWorldClawを紹介する。
計画エージェントは、テキストプロンプトを地域、地形、資産、材料、空間関係の構造化された仕様に変換する。
WorldClawは、セマンティックなレイアウト、再利用可能な資産、生成または手続き的な材料、および地域対応の高原から、グローバルに一貫性のある地形基盤を構築している。
- 参考スコア（独自算出の注目度）: 20.019718140328347
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generating large-scale, freely explorable 3D worlds from open-ended text remains challenging because a system must jointly maintain global spatial coherence, rich local content, and explicit assets suitable for downstream editing and reuse. We present WorldClaw, a fully agentic, coarse-to-fine framework for open-world 3D scene generation. Planning agents translate a text prompt into a structured specification of regions, terrain, assets, materials, and spatial relations. WorldClaw then builds a globally coherent terrain foundation from semantic layouts, reusable assets, generative or procedural materials, and a region-aware height field. For detail-demanding regions, it generates terrain-conditioned compositions, reconstructs editable textured meshes, and recovers their placement on the terrain; render-based agents further refine terrain, objects, appearance, and contacts. Across diverse open-world prompts, WorldClaw produces large-scale scenes with coherent spatial organization, visually compelling local content, and editable instance-level assets while preserving a consistent global terrain structure.
- Abstract（参考訳）: 大規模で自由に探索可能な3Dワールドをオープンエンドテキストから生成することは、グローバルな空間コヒーレンス、リッチなローカルコンテンツ、下流の編集と再利用に適した明示的な資産を共同で維持する必要があるため、依然として困難である。
我々は、オープンワールド3Dシーン生成のための、完全にエージェント的で粗大なフレームワークであるWorldClawを紹介する。
計画エージェントは、テキストプロンプトを地域、地形、資産、材料、空間関係の構造化された仕様に変換する。
続いてWorldClawは、セマンティックレイアウト、再利用可能な資産、生成物または手続き材料、および地域対応高原から、グローバルに一貫性のある地形基盤を構築する。
詳細な需要のある地域では、地形条件の組成を生成し、編集可能なテクスチャメッシュを再構築し、地形上の配置を復元する。
様々なオープンワールドのプロンプトの中で、WorldClawは、一貫したグローバルな地形構造を維持しながら、コヒーレントな空間組織、視覚的に魅力的なローカルコンテンツ、編集可能なインスタンスレベルの資産を持つ大規模なシーンを制作している。
関連論文リスト
- SceneConductor: 3D Scene Generation from a Single Image with Multi-Agent Orchestration [32.39337008619354]
単一画像の3Dシーン生成を3つの構造化ステージに分解するマルチエージェントオーケストレーションフレームワークを提案する。
ポイントマップから導出される疎幾何学的事前情報によって教師される幾何学的レイアウト予測器を提案する。
本手法は,幾何学的精度,空間的整合性,知覚的リアリズムにおいて,従来手法よりも常に優れていた。
論文 参考訳（メタデータ） (2026-06-07T01:38:39Z) - WorldAct: Activating Monolithic 3D Worlds into Interactive-Ready Object-Centric Scenes [15.223046632151364]
静的な3Dワールドを編集可能で対話可能なシーンに変換するフレームワークであるWorldActを提示する。
WorldActはマルチモーダルエージェントを使用してシーンの分解を誘導し、実行可能なオブジェクトを識別し、相互作用のために幾何学的に整列されたオブジェクトレベルのメッシュを再構築し、3Dインペインティングによって残りのバックグラウンドを復元する。
実験により、WorldActはオリジナルのシーンよりもリッチなインタラクションシナリオを可能にし、編集可能でインタラクティブな3Dワールドモデルへの実践的な道のりを示唆している。
論文 参考訳（メタデータ） (2026-05-15T10:56:23Z) - Map2World: Segment Map Conditioned Text to 3D World Generation [64.2098235580955]
3Dワールドジェネレーションは没入型コンテンツ作成や自律運転シミュレーションに不可欠である。
近年の3Dワールドジェネレーションの進歩は有望な成果を上げているが,これらの手法はグリッドレイアウトによって制約されている。
本稿では,任意の形状とスケールのユーザ定義セグメントマップ上で,まず3次元世界生成を可能にする新しいフレームワークMap2Worldを紹介する。
論文 参考訳（メタデータ） (2026-05-01T16:56:49Z) - SDesc3D: Towards Layout-Aware 3D Indoor Scene Generation from Short Descriptions [71.54559024212976]
短いテキスト記述を前提とした室内3次元シーン生成は,インタラクティブな3次元環境構築に有望な道を提供する。
既存の作品は、そのような意味的凝縮の場合、身体的妥当性の低下と詳細性の不足に悩まされている。
SDesc3Dは,マルチビュー構造と地域機能を考慮した,短文条件付き屋内シーン生成フレームワークである。
論文 参考訳（メタデータ） (2026-04-02T12:33:01Z) - WorldGen: From Text to Traversable and Interactive 3D Worlds [87.95088818329403]
本稿では,テキストプロンプトから直接,大規模でインタラクティブな3Dワールドを自動生成するシステムWorldGenを紹介する。
我々のアプローチは、自然言語記述を標準のゲームエンジン内で即座に探索または編集できる完全にテクスチャ化された環境に変換する。
この研究は、ゲーム、シミュレーション、没入型社会環境における応用のための3D生成AIのフロンティアを前進させる、アクセス可能で、大規模に生成可能な世界構築への一歩である。
論文 参考訳（メタデータ） (2025-11-20T22:13:18Z) - WorldGrow: Generating Infinite 3D World [75.81531067447203]
我々は、無限に拡張可能な3D世界、すなわちコヒーレントな幾何学と現実的な外観を持つ大規模で連続的な環境を生み出すという課題に取り組む。
本研究では,非有界な3次元シーン合成のための階層的フレームワークWorldGrowを提案する。
提案手法は,(1)高品質なシーンブロックを抽出し,シーン生成に適した3D構造化潜在表現を作成するデータキュレーションパイプライン,(2)コンテキスト認識シーン拡張を可能にする3Dブロックインペイント機構,(3)グローバルなレイアウトの妥当性と局所幾何学的/音声的忠実性の両立を保証する粗大かつ微細な生成戦略,の3つのコアコンポーネントを特徴とする。
論文 参考訳（メタデータ） (2025-10-24T17:39:52Z) - Agentic 3D Scene Generation with Spatially Contextualized VLMs [67.31920821192323]
本稿では,複雑な3D環境の生成,理解,編集を可能にする新しいパラダイムを提案する。
我々は,VLMが空間コンテキストから反復的に読み取って更新するエージェント型3Dシーン生成パイプラインを開発した。
その結果,我々のフレームワークは多様かつ困難な入力を処理でき,事前の作業では観測できないような一般化のレベルを達成することができることがわかった。
論文 参考訳（メタデータ） (2025-05-26T15:28:17Z) - CULTURE3D: A Large-Scale and Diverse Dataset of Cultural Landmarks and Terrains for Gaussian-Based Scene Rendering [16.614203937535205]
現在の最先端の3D再構築モデルは、大規模な屋外シーンを構築する際の限界に直面している。
本稿では,41,006個のドローンによる高解像度空中画像からなる100億点の細粒度データセットを提案する。
既存のデータセットと比較すると、我々は非常に大きなスケールと詳細を提供しており、きめ細かい3Dアプリケーションに特化しています。
論文 参考訳（メタデータ） (2025-01-12T20:36:39Z) - LAW-Diffusion: Complex Scene Generation by Diffusion with Layouts [107.11267074981905]
LAW拡散(LAW-Diffusion)と呼ばれる意味制御可能なレイアウト・AWare拡散モデルを提案する。
LAW拡散は、特にコヒーレントな対象関係を持つ最先端の生成性能をもたらすことを示す。
論文 参考訳（メタデータ） (2023-08-13T08:06:18Z)
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。