論文の概要: FuncRoom-Agent: Sequential Feed-Forward 3D Functional Indoor Scene Generation
- arxiv url: http://arxiv.org/abs/2608.29519v1
- Date: Sun, 30 Aug 2026 02:48:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:30.988841
- Title: FuncRoom-Agent: Sequential Feed-Forward 3D Functional Indoor Scene Generation
- Title（参考訳）: FuncRoom-Agent:連続フィードフォワード3D機能室内シーン生成
- Abstract要約: 本稿では,室内3Dシーン生成環境であるFunction-Room Generationを紹介する。
既存のエージェントおよび実行可能メソッドは制御性を改善するが、しばしばコストのかかるテスト時間生成--evaluate-reviseループに依存する。
- 参考スコア（独自算出の注目度）: 15.351231363453012
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Function-Room Generation, a new indoor 3D scene generation setting that creates rooms supporting explicit functional goals rather than merely visually plausible layouts. Existing agentic and executable methods improve controllability, but often depend on costly test-time generate--evaluate--revise loops, making functional room generation slow and computationally expensive. We address this challenge with three technical contributions. First, we design a recursive domain-specific language to effectively organize the hierarchical object compositions required by functional rooms, from room structure and major furniture to dense support-surface and nested small objects. It represents rooms as staged executable programs with explicit geometric and functional relations. Second, we propose a sequential feed-forward scene construction framework that distills recursive construction traces into a scene construction expert. At inference time, the expert writes executable DSL code stage by stage, and a deterministic executor directly instantiates each stage without teacher agents, online critics, or iterative repair. Third, we introduce ScenePRM, an execution-grounded process reward framework that improves the expert through reinforcement learning with functional, geometric, relational, and future-constructability feedback. We further establish a function-oriented benchmark and show state-of-the-art performance on both general indoor scene generation and function-room generation, achieving stronger functional completeness, relation correctness, geometric executability, and generation efficiency.
- Abstract（参考訳）: 本稿では,視覚的に可能なレイアウトではなく,明示的な機能目標をサポートする部屋を作成する,新しい屋内3Dシーン生成環境であるFunction-Room Generationを紹介する。
既存のエージェントおよび実行可能メソッドは制御性を改善するが、しばしばコストのかかるテスト時間生成-評価-修正ループに依存し、機能的な部屋生成を遅く、計算的に高価にする。
私たちはこの課題に3つの技術貢献で対処します。
まず, 室内構造や家具から密集した支持面, 巣状小物に至るまで, 機能的な部屋に必要な階層的オブジェクト構成を効果的に整理するために, 再帰的ドメイン固有言語を設計する。
部屋を、明示的な幾何学的および機能的関係を持つステージ化された実行可能プログラムとして表現する。
第2に,再帰的な建設痕跡を蒸留してシーン構築の専門家に供給する逐次的フィードフォワードシーン構築フレームワークを提案する。
推測時には、専門家はステージごとに実行可能なDSLコードを書き、決定論的実行者は、教師エージェント、オンライン批評家、反復的な修復なしに、各ステージを直接インスタンス化する。
第3にScenePRMは,機能的,幾何学的,リレーショナル,将来的な構成可能性フィードバックによる強化学習を通じて,専門家を向上する実行基盤プロセス報酬フレームワークである。
さらに,機能指向ベンチマークを構築し,一般的な屋内シーン生成と機能ルーム生成の両面での最先端性能を示し,機能完全性,関係性,幾何学的実行可能性,生成効率を向上する。
関連論文リスト
- Agentic Designer: Progressive Multi-Agent Collaboration for Structure-Aware Interior Layout Generation [84.5255199507027]
Agentic Designerは、構造を意識した内部レイアウト生成を反復的かつ制約的に検証された決定プロセスとして定式化する、プログレッシブなフレームワークである。
提案、検証、合成、調整のモジュールステージにレイアウトを分解することで、フレームワークは3つの特殊エージェント、ジェネレータ、評価器、精錬器を協調する。
この機構は、各配置がコミットされる前に段階的に幾何的検証と補正を行い、エラーの蓄積を防止する。
論文 参考訳（メタデータ） (2026-07-23T02:46:11Z) - Function2Scene: 3D Indoor Scene Layout from Functional Specifications [43.945486645265326]
テキスト駆動の屋内シーン合成手法の多くは、オブジェクト中心のプロンプトから部屋を生成する。
機能仕様から3次元屋内レイアウトを生成するフレームワークであるFunction2Sceneを紹介する。
我々の研究は、テキストによる屋内シーンの合成を、可愛らしい物体を配置することから、人間の使用を支援する空間を設計することへと再構成した。
論文 参考訳（メタデータ） (2026-05-29T04:10:15Z) - Hierarchical and Holistic Open-Vocabulary Functional 3D Scene Graphs for Indoor Spaces [116.57196064763924]
我々は、高密度テーブルトップオブジェクトと明示的なマルチレベル機能関係を導入することで、ベンチマークカバレッジを拡大する。
この研究は、小規模、高密度、および類似のインスタンスにかかわる重要な課題を提起する。
2次元視覚的グラウンドリングと3次元グラフ最適化に基づくオープン語彙パイプラインを提案する。
論文 参考訳（メタデータ） (2026-05-15T09:14:50Z) - RoomEditor++: A Parameter-Sharing Diffusion Architecture for High-Fidelity Furniture Synthesis [89.26382925677301]
仮想家具の合成は、ホームデザインと電子商取引の応用を大いに約束する。
RoomEditor++は、パラメータ共有デュアル拡散バックボーンを備えた多用途拡散ベースアーキテクチャである。
RoomEditor++は、定量的メトリクス、質的評価、そして人間の嗜好研究の観点から、最先端のアプローチよりも優れている。
論文 参考訳（メタデータ） (2025-12-19T13:39:43Z) - SeqAffordSplat: Scene-level Sequential Affordance Reasoning on 3D Gaussian Splatting [85.87902260102652]
本稿では, 連続3次元ガウシアン・アフラマンス推論の課題について紹介する。
次に,SeqSplatNetを提案する。SqSplatNetは,命令を直接3Dアベイランスマスクのシーケンスにマッピングするエンドツーエンドフレームワークである。
本手法は,1段階のインタラクションから,シーンレベルでの複雑なシーケンシャルなタスクへの可利用性推論を効果的に向上させる。
論文 参考訳（メタデータ） (2025-07-31T17:56:55Z) - Exploiting Semantic Scene Reconstruction for Estimating Building Envelope Characteristics [6.382787013075262]
2次元画像入力から幾何構造特性を推定する新しいフレームワークであるBuildNet3Dを提案する。
本フレームワークは, 窓面間比と建物のフットプリントの推定において, 高い精度と一般化性を示すとともに, 様々な複雑な建築物構造について評価する。
論文 参考訳（メタデータ） (2024-10-29T13:29:01Z) - Windowed-FourierMixer: Enhancing Clutter-Free Room Modeling with Fourier
Transform [3.864321514889099]
室内空間の内部構造をモデル化する上で,単一画像からの室内環境の塗布が重要な役割を担っている。
我々はU-Formerアーキテクチャと新しいWindowed-FourierMixerブロックに基づく革新的なアプローチを提案する。
この新たなアーキテクチャは、対称性が普及する屋内シーンに関わるタスクに有利であることが証明されている。
論文 参考訳（メタデータ） (2024-02-28T12:27:28Z) - Human as Points: Explicit Point-based 3D Human Reconstruction from Single-view RGB Images [71.91424164693422]
我々はHaPと呼ばれる明示的なポイントベース人間再構築フレームワークを導入する。
提案手法は,3次元幾何学空間における完全明示的な点雲推定,操作,生成,洗練が特徴である。
我々の結果は、完全に明示的で幾何学中心のアルゴリズム設計へのパラダイムのロールバックを示すかもしれない。
論文 参考訳（メタデータ） (2023-11-06T05:52:29Z) - SceneHGN: Hierarchical Graph Networks for 3D Indoor Scene Generation
with Fine-Grained Geometry [92.24144643757963]
3D屋内シーンは、インテリアデザインからゲーム、バーチャルおよび拡張現実に至るまで、コンピュータグラフィックスで広く使われている。
高品質な3D屋内シーンは、専門知識が必要であり、手動で高品質な3D屋内シーンを設計するのに時間を要する。
SCENEHGNは3次元屋内シーンの階層的なグラフネットワークであり,部屋レベルからオブジェクトレベルまでの全階層を考慮し,最後にオブジェクト部分レベルに展開する。
提案手法は, 立体形状の細かな家具を含む, 可塑性3次元室内容を直接生成し, 直接的に生成することができる。
論文 参考訳（メタデータ） (2023-02-16T15:31:59Z)
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。