DeBaRA:基于去噪的3D房间布局生成
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
Ctrl-Room通过使用文本提示生成具有设计风格布局和高保真纹理的令人信服的3D室内空间,并提供灵活的交互式编辑操作。通过分离布局和外观建模,并使用文本条件扩散模型和控制网络,我们能够轻松地编辑生成的房间模型,而不需要昂贵的编辑特定培训。在Structured3D数据集上的实验证明,我们的方法在从自然语言提示生成更合理、视觉一致和可编辑的3D房间方面优于现有方法。
Oct, 2023
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
通过以用户定义的三维语义代理房间为中心,结合二维模型生成三维一致的纹理和几何体,实现高质量房间网格的生成,从而使用户能够轻松设计三维房间,无需专业知识。
Dec, 2023
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
MiDiffusion 是一种新的混合离散-连续扩散模型架构,用于根据房间类型、平面图和可能的预存在对象合成逼真的室内3D场景,相比于自回归模型和扩散模型,在楼层条件下的3D场景合成表现出明显的优势,并可通过破坏和遮蔽策略处理部分对象约束,无需专门训练。
May, 2024
LLplace是一种基于轻量级精细调整的开源LLM Llama3的新颖的3D室内场景布局设计工具,通过用户输入指定房间类型和所需对象来有效生成和编辑3D室内布局,并在提供高质量的3D设计解决方案方面优于现有方法。
Jun, 2024