本文提出了基于卷积生成模型的室内场景综合的新型、快速和灵活的流水线，通过预测物体的类别、位置、方向和尺寸，将其逐步插入场景。该流水线支持自动完成部分场景的生成，生成结果在以数据质量和视觉质量而言优于其他深度生成场景模型。

Nov, 2018

使用自我关注层和图变换器从场景图和楼层平面图中合成 3D 场景布局，生成更稀疏和多样化的场景。

Apr, 2024

本论文提出了一种基于深度生成模型的室内环境场景建模技术，使用前馈神经网络将先验分布映射到室内场景中的主要物体分布，并结合 2D 和 3D 物体排列表示的区分器损失对该模型进行训练，并在多个基准数据集上验证了该模型在场景插值和补全方面的有效性。

Aug, 2018

本文提出了一种新颖的自回归变压器架构 ATISS，用于根据房间类型和地板平面自动生成多样而可信的合成室内环境，并通过 3D-FRONT 数据集的实验表明，该模型比现有方法更为逼真，且参数更少、实现和训练更简单，速度更快。

Oct, 2021

本论文提出了一种基于 transformer 的简单但极其有效的场景文本识别方法，只需要空间注意力而不需要矫正图像，仅使用卷积特征图作为单词嵌入输入到 transformer 中，并在大规模实验中取得了显著的优越性能。

Mar, 2020

本文提出了一种使用深度先验的方法，从单个全景图中同时复原物体形状、定向边界框和三维房间布局，为了充分利用丰富的上下文信息，设计了一个基于 transformer 的上下文模块来预测场景各组成部分之间的表示和关系。实验表明，我们的方法在布局估计和三维物体检测方面优于先前的全景场景理解方法。同时，本文还引入了一个包括照片逼真的全景图、高保真深度图、精确注释的房间布局和定向物体边界框和形状的真实世界数据集。

May, 2023

本文提出一种用于 360 度图像的条件场景装饰方法，通过开发 360 度感知的物体布局生成器和生成对抗网络，实现对输入场景的各种家具布局生成，并通过用户研究证实了生成结果中的逼真图像质量和家具布局提供的沉浸式体验。

Jul, 2023

该论文介绍了一种基于深生成模型的图像合成方法，通过压缩和离散表示学习高频细节和纹理信息，再结合自回归转换模型生成高质量的图像。

May, 2021

室内场景生成旨在创建与空间合理布局相一致的形状兼容、风格一致的家具摆放。为解决现有方法主要集中于生成可信家具布局而未考虑个别家具细节的问题，我们提出了一个两阶段模型，通过将家具编码为锚定潜在表示法来将形状先验整合到室内场景生成中。通过整合提出的锚定潜在表示法，我们的生成模型能够产生形状兼容和风格一致的家具摆放，并以各种形状合成家具。此外，我们的方法促进了各种人机交互应用，如风格一致的场景补全、物体不匹配修正和可控的物体级编辑。在 3D-Front 数据集上的实验证明，与现有方法相比，即使没有形状检索，我们的方法也能生成更一致和兼容的室内场景。此外，广泛的消融研究验证了我们在室内场景生成模型中设计选择的有效性。

Oct, 2023

提出了一种基于场景控制、区域特征和转换器的文本生成图像方法，实现了高分辨率 (512x512) 下最先进的生成图像质量和人工评估结果，并实现了场景编辑、文本编辑和故事插图生成等新功能。

Mar, 2022