論文の概要: Code4Scene: Benchmarking Coding Agents for Constructing and Editing 3D Scenes
- arxiv url: http://arxiv.org/abs/2609.36777v1
- Date: Tue, 29 Sep 2026 05:49:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.219256
- Title: Code4Scene: Benchmarking Coding Agents for Constructing and Editing 3D Scenes
- Title（参考訳）: Code4Scene: 3Dシーンの構築と編集のためのベンチマークコーディングエージェント
- Abstract要約: コーディングエージェントは,3D環境の作者によるコードの記述と実行が可能になった。
しかし、3D構造を確実に理解し、シーン状態を正確に制御するかどうかは不明だ。
人間が組み立てたシーンから構築した190のUnreal EngineケースのベンチマークであるCode4Sceneを紹介します。
- 参考スコア（独自算出の注目度）: 3.603036287951166
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Frontier coding agents can now write and execute code that authors 3D environments, but whether they reliably understand 3D structure and precisely control scene state remains unclear. The generated 3D scene is a persistent, executable artifact: a convincing render can hide incorrect spatial relations, intersecting objects, or unintended modifications. We introduce Code4Scene, a benchmark of 190 Unreal Engine cases built from human-assembled scenes that evaluates coding agents on two complementary settings under a shared execution interface. Construction tests scene-level spatial reasoning from open-ended language specifications, where many realizations are valid; editing tests precise control of scene state, where the agent must recover the target scene from reference images while preserving everything else. Rather than scoring code or rendered views, Code4Scene evaluates the generated engine-native scene for task fulfillment, artifact integrity, and static physical validity, with edits additionally compared against withheld ground truth. Across 14 coding-agent configurations on the 95-case public set, construction and editing performance are strongly correlated but not interchangeable (Spearman $ρ= 0.78$): Claude Fable 5.1 leads construction, Gemini 3.8 Flash leads editing, and GPT-6 Astra narrowly leads overall. Spatial Composition is the weakest construction category for every agent, while editing remains imprecise: the best Repair F1 is only 0.527, and 35.8% of edits that fully recover the target still introduce unintended changes elsewhere in the scene. These results expose a gap between plausible 3D generation and reliable spatial reasoning and state control.
- Abstract（参考訳）: 最前線のコーディングエージェントは3D環境の作者が書いたコードを書けるようになったが、それらが確実に3D構造を理解し、シーン状態を正確に制御しているかどうかは不明だ。
説得力のあるレンダリングは、不正確な空間関係を隠したり、オブジェクトを交差させたり、意図しない修正をすることができる。
Code4Sceneは、人間が組み立てたシーンから構築された190のUnreal Engineケースのベンチマークであり、共有実行インタフェースの下で2つの補完的な設定でコーディングエージェントを評価する。
構築テストは、多くの実現が妥当なオープンエンド言語仕様からのシーンレベルの空間推論、シーン状態の正確な制御、エージェントが参照画像からターゲットシーンを復元し、その他すべてを保存しなければならないシーン状態の編集である。
Code4Sceneは、コードやレンダリングビューではなく、タスクのフルフィルメント、アーティファクトの完全性、静的な物理的妥当性のために生成されたエンジンネイティブのシーンを評価し、未解決の土台真実と比較する。
95ケースのパブリックセット上の14以上のコーディングエージェント構成では、ビルドと編集のパフォーマンスは強く相関するが、交換可能である(Spearman $ρ= 0.78$): Claude Fable 5.1は構築をリードし、Gemini 3.8 Flashは編集をリードし、GPT-6 Astraは全体的にリードする。
最高の修復 F1 は 0.527 で、ターゲットを完全に回復する編集の 35.8% は、まだ意図しない変更を現場のどこかに導入している。
これらの結果から, 信頼性の高い空間推論と状態制御のギャップが明らかとなった。
関連論文リスト
- LEGO-Anything: Coding Agents for 3D Scene Reconstruction [22.463059204230316]
LEGO-Anythingは,コーディングエージェントが反復的にコードを書き,実行し,シーンやレンダリングを検査し,プログラムを改訂する,イメージ・ツー・コード・フレームワークである。
エンド・ツー・エンドのシーン・リカバリを評価するため,104種類の屋内・屋外シーンから208枚の画像が得られたシミュレーター付きベンチマークであるLEGO-Benchを紹介した。
評価されたエージェントの中では、GPT-6-astraは53.4%の屋内スコアと39.6%のアウトドアスコアで最強の総合成績を収めているが、有効なシーンアーティファクトの提供と、シーンの幾何学と外観の忠実な回復の間には大きなギャップが残っている。
論文 参考訳（メタデータ） (2026-09-28T23:17:39Z) - What Makes a 3D Scene Editable? A Factorized Benchmark of Fidelity, Locality, Consistency, and Preservation [0.0]
本稿では,編集を制御情報置換として扱う表現非依存のベンチマークであるEditBench3Dを紹介する。
240のシーン編集ペアに対して,8つの代表的NeRF,3Dガウススプラッティング,ハイブリッド,プロキシベースのエディタを評価した。
論文 参考訳（メタデータ） (2026-09-14T01:38:38Z) - PPTBench: Can Coding Agents Reconstruct the Visual World through Structured, Editable Slides [2.579922196295471]
コーディングエージェントは、視覚の世界で動き始めています。
PTPBenchは、編集可能なスライド再構築を通じてビジュアルコーディングをベンチマークする。
エージェントは有効なPPTXファイルを確実に生成できるが、セマンティックや視覚的正確性、特にテキストの詳細に苦慮している。
論文 参考訳（メタデータ） (2026-08-31T17:59:37Z) - DesignAgent3D: Interactive 3D Scene Editing via Designer-like Multimodal Reasoning [32.91291969659809]
テキストガイド3Dシーン編集は、再構成された環境を修正するための直感的なインタフェースを提供する。
既存の方法は、通常、タスクを単一のプロンプトからワンショット条件生成として定式化する。
DesignAgent3Dは、3Dシーンの編集をデザインライクなPlan-Perceive-Actパラダイムとして再構成する対話型マルチモーダルエージェントフレームワークである。
論文 参考訳（メタデータ） (2026-08-18T01:16:13Z) - SimWorlds: A Multi-Agent System for Dynamic 3D Scene Creation [50.175987640001644]
テキストから動的に編集可能な4Dシーンを生成するマルチエージェントフレームワークであるSimWorldsを紹介する。
また,プロシージャのダイナミックな3Dシーンの視覚的忠実度と身体的整合性を評価するベンチマークである4DBuildBenchも導入した。
論文 参考訳（メタデータ） (2026-07-02T06:29:18Z) - MUSE: Agentic 3D Scene Authoring via Memory-Grounded Incremental Requirement Satisfaction [6.5614559745150975]
テキスト駆動3Dシーン生成は、デジタルコンテンツ作成、具体的AIシミュレーション、インタラクティブデザインのための有望なテクニックである。
既存の手法は現実的で構造的に妥当なシーンを生成することができるが、一般的には要求レベルの状態追跡による編集性に欠ける。
制御可能な3Dシーンオーサリングのためのメモリ基底型マルチエージェントフレームワークであるMUSEを提案する。
論文 参考訳（メタデータ） (2026-06-12T06:51:08Z) - SceneCode: Executable World Programs for Editable Indoor Scenes with Articulated Objects [69.20984454755512]
室内シーンの合成は、AI、ロボット操作、シミュレーションベースのポリシー評価を具体化する。
既存のパイプラインは、生成されたコンテンツを静的メッシュとして表現し、キュレートされたアセットライブラリからのみ調音を継承する。
我々は、自然言語プロンプトを実行可能なコード駆動屋内世界にコンパイルするフレームワークであるSceneCodeを紹介する。
論文 参考訳（メタデータ） (2026-05-19T09:31:04Z) - LangDriveCTRL: Natural Language Controllable Driving Scene Editing with Multi-modal Agents [61.91651123290512]
LangDriveCTRLは、様々な交通シナリオを合成するために現実世界の運転ビデオを編集するフレームワークである。
オブジェクトノードの編集(削除、挿入、置換)と1つの自然言語命令からの複数オブジェクトの振る舞いの編集の両方をサポートする。
論文 参考訳（メタデータ） (2025-12-19T10:57:03Z) - Error-Driven Scene Editing for 3D Grounding in Large Language Models [71.41120775319088]
近年の3D-LLMの進歩にもかかわらず、3D環境における視覚的および空間的要素に正確に接地する言語に限られている。
この制限は、3Dリソースの不足による空間的理解よりも、言語推論に焦点を当てたトレーニングデータに起因している。
本稿では,これらのバイアスを緩和する正確な視覚的カウンターファクトを生成するための重要なメカニズムとして,3Dシーン編集を提案する。
論文 参考訳（メタデータ） (2025-11-18T03:13:29Z) - EditRoom: LLM-parameterized Graph Diffusion for Composable 3D Room Layout Editing [114.14164860467227]
自然言語コマンドで様々なレイアウト編集を実行できるフレームワークであるEditRoomを提案する。
特にEditRoomは、コマンドプランニングとターゲットシーンの生成にLarge Language Models(LLM)を利用している。
既存の3Dシーンデータセットを拡張する自動パイプラインを開発し,83kの編集ペアを備えた大規模データセットであるEditRoom-DBを導入した。
論文 参考訳（メタデータ） (2024-10-03T17:42:24Z)
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。