研究者发布3D自回归扩散模型3D-ARD+生成文本到3D场景

Zhenggang Tang 等研究者在 arXiv 发布论文，提出自回归扩散模型 3D-ARD+，将多模态 token 序列上的自回归生成与下一物体 3D 隐变量的扩散生成统一起来，用于根据文本交互式生成 3D 场景。 研究者为训练整理了 23 万个室内场景及其配对文本指令的数据集。据论文，他们对 7B 版本的 3D-ARD+ 在有挑战性的场景上进行了评估，展示模型能按文本指令规定的非平凡空间布局和语义生成并摆放物体。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。