論文の概要: InfiniDream: Open-Ended Photorealistic 3D Worlds Through Procedural Generation

• arxiv url: http://arxiv.org/abs/2610.26853v2
• Date: Tue, 20 Oct 2026 08:36:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.372405
• Title: InfiniDream: Open-Ended Photorealistic 3D Worlds Through Procedural Generation
• Title（参考訳）: InfiniDream:プロシージャ生成によるオープンな光リアルな3Dワールド
• Abstract要約: オープンな手続き型3DワールドジェネレーションのためのVLM駆動フレームワークであるInfiniDreamを紹介する。 まず,既存の手続きアルゴリズムを活用して,新しいフォトリアリスティックな資産を創出するSymbolically Constrained Asset Generationを提案する。 第2に,意味的なシーン計画と決定論的フラストム誘導グリッド配置を組み合わせ,大規模3次元世界を構築するエンド・ツー・エンドのテキスト・トゥ・ワールド・パイプラインを開発する。
• 参考スコア（独自算出の注目度）: 26.253599164375256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Procedural generation plays a key role in synthetic data creation and game development, offering greater controllability, editability, and diversity than static mesh representations. However, VLM-based code generation often produces relatively simple 3D assets, while sophisticated photorealistic procedural systems require extensive manual development. Existing VLM-guided procedural methods remain largely constrained by predefined factories and APIs, limiting their ability to create novel asset types. We introduce InfiniDream, a VLM-driven framework for open-ended procedural 3D world generation. First, we propose Symbolically Constrained Asset Generation, which leverages existing procedural algorithms to create novel, photorealistic assets while preserving editability and seed-based diversity. Second, we develop an end-to-end text-to-world pipeline that combines semantic scene planning with Deterministic Frustum-Guided Grid Placement to construct large-scale 3D worlds with precise object placement, procedural population, and animation. Extensive evaluations on 100 object and 20 scene generation tasks demonstrate improvements across four perceptual metrics. Diversity analysis, ablation studies, and human preference evaluations further validate the effectiveness of our framework. Project page: https://yichuanh.github.io/infinidream-page/
• Abstract（参考訳）: プロシージャ生成は、静的メッシュ表現よりも制御性、編集性、多様性の向上を提供する、合成データ生成とゲーム開発において重要な役割を果たす。 しかしながら、VLMベースのコード生成はしばしば比較的単純な3Dアセットを生成するが、高度なフォトリアリスティックプロシージャシステムは広範囲な手動開発を必要とする。 既存のVLM誘導プロシージャ法は、未定義の工場やAPIによって制約され、新しいアセットタイプを作成する能力が制限されている。 オープンな手続き型3DワールドジェネレーションのためのVLM駆動フレームワークであるInfiniDreamを紹介する。 まず、既存の手続きアルゴリズムを利用して、編集性やシードベース多様性を保ちながら、新しいフォトリアリスティックな資産を創出するシンボライズ制約アセット生成を提案する。 第2に,意味的シーン計画と決定論的フラストム誘導格子配置を組み合わせたエンドツーエンドのテキスト・トゥ・ワールド・パイプラインを開発し,高精度なオブジェクト配置,手続き的人口,アニメーションによる大規模3D世界の構築を行う。 100のオブジェクトと20のシーン生成タスクに対する大規模な評価は、4つの知覚的指標にまたがる改善を示している。 多様性分析、アブレーション研究、および人間の嗜好評価は、我々の枠組みの有効性をさらに検証する。 プロジェクトページ:https://yichuanh.github.io/infinidream-page/

関連論文リスト

• Beyond Pixel Histories: World Models with Persistent 3D State [50.4601060508243]
  PERSISTは、潜伏した3Dシーンの進化をシミュレートする世界モデルの新たなパラダイムである。 既存の手法に比べて空間記憶,3次元整合性,長期安定性が大幅に向上した。
  論文  参考訳（メタデータ） (2026-03-03T19:58:31Z)
• 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)
• SPATIALGEN: Layout-guided 3D Indoor Scene Generation [37.30623176278608]
  本研究では,現実的でセマンティックに整合した室内シーンを生成するマルチビューマルチモーダル拡散モデルであるSpatialGenを提案する。 3次元レイアウトと参照画像が与えられたモデルでは、任意の視点から外観(カラー画像)、幾何学(シーン座標マップ)、意味(セマンティックセグメンテーションマップ)を合成する。 私たちは、コミュニティを力づけ、屋内のシーン理解と生成の分野を前進させるために、データとモデルをオープンソース化しています。
  論文  参考訳（メタデータ） (2025-09-18T14:12:32Z)
• LatticeWorld: A Multimodal Large Language Model-Empowered Framework for Interactive Complex World Generation [35.4193352348583]
  本稿では,3D環境の産業生産パイプラインを効率化する,シンプルで効果的な3Dワールドジェネレーションフレームワークを提案する。 LatticeWorldは、競合するマルチエージェントインタラクションを特徴とする、動的エージェントを備えた大規模な3Dインタラクティブワールドを生成する。 LatticeWorldは90倍以上の工業生産効率の向上を実現している。
  論文  参考訳（メタデータ） (2025-09-05T17:22:33Z)
• 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)
• 3D-GPT: Procedural 3D Modeling with Large Language Models [47.72968643115063]
  命令駆動3Dモデリングのための大規模言語モデル(LLM)を利用するフレームワークである3D-GPTを紹介する。 3D-GPTは、3Dモデリングタスクをアクセス可能なセグメントに分割し、各タスクにアプエージェントを割り当てる。 我々の実証調査では、3D-GPTが解釈し、指示を実行し、信頼性の高い結果を提供するだけでなく、人間デザイナーと効果的に協力することを確認した。
  論文  参考訳（メタデータ） (2023-10-19T17:41:48Z)

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。