通过 VRKitchen 的虚拟现实环境和集成功能，该研究使用现代人工智能方法驱动具有复杂任务能力的实体代理，使人类教师能够进行演示培训，为任务导向学习等领域的广泛应用提供了标准化的评估基准和数据收集工具。

Mar, 2019

Infinigen Indoors 是一个基于 Blender 的程序化室内场景生成器，通过引入各种室内资产库和约束系统，能够生成逼真的室内场景，并提供一个导出工具，使生成的 3D 对象和场景可直接用于实时模拟器中训练物理实体代理。

Jun, 2024

研究如何从 1 或多张图像中合成逼真的室内 3D 场景，采用了基于图像的 GAN 来直接映射成高分辨率的 RGB-D 图像，及在 VLN 训练中进行空间干扰以提高成功率。

Apr, 2022

自动地将真实场景视频转换成逼真并且可交互的游戏环境的新方法 Video2Game，使用神经辐射场模块捕捉场景的几何与视觉外观，使用网格模块加速渲染，以及使用物理模块模拟对象之间的相互作用和物理动力学。

Apr, 2024

该研究旨在开发 KITTI-360 数据集，以促进计算机视觉、图形学和机器人学领域的研究，并为移动感知相关的多项任务提供基准和基线。

Sep, 2021

提出了一种创造大规模室内场景的照片级真实数据集的新框架，可提供外观、布局、语义标签、高质量变化自由的 BRDF 和复杂照明等显著真实的基准数据，可用于逆向渲染、场景理解和机器人学，与物理引擎结合可创建具有摩擦系数等真实场景对应关系的虚拟机器人环境。

Jul, 2020

通过使用预训练大型语言模型合成程序来描述物体和空间关系，再根据渐进式优化算法对物体的位置和方向进行生成，并从数据库中获取 3D 模型以产生物体几何形状，该系统在室内场景生成任务中胜过基于 3D 数据训练的生成模型及最近的基于大型语言模型的布局生成方法。

Feb, 2024

该论文介绍了一种基于 NVIDIA OptiX 光线追踪引擎和 OptiX AI 降噪器的 Python 渲染器，用于生成高质量的合成图像，为计算机视觉和深度学习的研究提供了帮助。它可以描述和操作包含复杂动态 3D 场景的对象网格，材料，纹理，光照，体积数据和背景，并生成元数据。该工具可用于生成 2D/3D 边界框，分割掩码，深度图，法线图，材质属性和光流矢量。该论文还表明，利用路径追踪生成的数据用于训练目标检测器和姿态估计器，可以在某些传统基于光栅的渲染器难以处理的情况下，改善从模拟到真实世界的转换表现。该工具是易于使用，性能高，供推动合成数据生成和深度学习研究的渲染器。

May, 2021

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

该论文提出了一种在任意环境（室内和室外）中构建 3D 场景图的方法。为了解决室内和室外环境的概念层次复杂性和训练数据不足的挑战，提出了构建空间本体和使用逻辑张量网络构建 3D 场景图的两个新扩展。通过使用大型语言模型构建空间本体，从而大大减少手动工作量；并利用逻辑张量网络添加逻辑规则或公理，提供附加的监督信号，减少标记数据的需求，并在训练时允许预测未见过的概念。在多个数据集上测试表明，该方法显著提高了使用稀疏注释数据生成 3D 场景图的质量。

Dec, 2023