自回归扩散模型实现组合式文本到场景生成

论文提出自回归扩散模型3D-ARD+做文本到3D场景生成

资讯摘要

论文提出顺序式文本到场景生成范式与3D-ARD+模型，将多模态token序列上的自回归生成与下一物体3D潜变量的扩散生成统一起来：先按文本指令和已合成场景在场景空间生成粗粒度3D潜变量，再在物体空间生成可解码为精细几何与外观的潜变量。作者构建23万室内场景配对文本数据集，并报告7B模型能按文本规定的空间布局与语义生成并放置物体。

要点速读

1. 论文提出3D-ARD+，统一多模态token序列的自回归生成与下一物体3D潜变量的扩散生成
2. 作者构建23万室内场景与配对文本指令的数据集用于训练
3. 作者报告7B模型可按文本描述的空间布局与语义生成并放置物体

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。