通过结合建模和优化对象的纹理和环境光照，本论文提出了一个框架，使得现有的 3D 资源能够适应给定的 2D 场景，同时生成一种真实感的组合效果，使得假定的对象能够放入该环境中。

Dec, 2023

本文介绍了一种语言引导的 3D 室内场景语义风格转移的方法，基于多层感知机，视觉语言模型，采用渲染和修正的方式实现创新，通过 ScanNet 数据集测试表明，语义信息的引入显著提高了风格转移的品质和用户评分。

Aug, 2022

通过图像和文本作为参考，StyleCity 能够以语义意识的方式对大规模城市场景的三维纹理网格进行风格化，并生成谐和的全方位天空背景。通过将 2D 视觉和文本先验转移到 3D 全局和局部，StyleCity 逐步缩放输入 3D 场景的计划训练视图以保留高质量场景内容，并通过调整样式图像的比例和训练视图的比例来全局优化场景风格。此外，通过语义感知的样式损失提高局部语义一致性，并采用生成扩散模型合成样式一致的全方位天空图像，从而提供更沉浸式的氛围，并助力语义风格化过程。实验结果表明，我们的风格化场景在定性和定量性能以及用户偏好方面表现出卓越性能。

Apr, 2024

使用 OpenScene 和 zero-shot 方法，借助于 CLIP 特征空间将 3D 场景中的点嵌入到文本和图像像素中，以达到不确定性的训练和开放词汇量的查询场景的目的。

Nov, 2022

我们提出了一种新颖的 3D 场景风格化框架，可以将任意风格应用于任意场景，无需再训练。通过将 3D 场景的外观映射到 2D 风格模式空间并利用基于提示的 2D 风格化算法，我们实现了 3D 场景的几何和外观的完全分离，从而在视觉质量和泛化性方面超越了当前最先进的方法。

Mar, 2024

使用 Vision and Language 模型，结合场景和物体描述的数据集，本文分析了其微调的效果，揭示了小量精选数据即可生成不失物体级别描述的场景描述，并讨论与计算和认知科学研究的并行之处。

Nov, 2022

本文提出一种基于点云的方法，通过反投影图像特征到 3D 空间、点云聚合模块获取 3D 场景的风格信息并用线性转换矩阵对点云特征进行变换、将变换后的特征投影到 2D 空间获得新视角来生成具有一致风格的 3D 场景，实验证明该方法相比其他方法生成的配景画面更加一致和美观。

May, 2021

本文提出了一个深度模型，在场景的点云表示中学习基于几何感知的内容特征，以生成高质量且在视图上具有一致性的艺术化图像，从而实现了从单个图像到任意风格化图像的 3D 照片艺术化生成，并在定性和定量研究中展示了方法的优越性。

Nov, 2021

我们提出了一个独特的流程，用于合成 3D 室内场景，该流程通过在场景中策略性地放置对象，并利用来自专业设计的边界框的信息来维持风格的一致性，生成不仅外观上令人印象深刻，而且具有照片般逼真、多视角一致性和多样性特征的 3D 场景，以适应各种自然语言提示。

Jan, 2024

本文提出了一种基于 Neural Radiance Fields 的 3D 场景风格化方法，包括了使用超网络将样式信息转移入场景表示、使用隐式表示模型将场景分离成几何和外观分支，并采用两阶段训练和修补子采样方法优化模型以在任意视角生成具有所需风格的场景。

May, 2021