SceneBloom：为具身学习自动生成真实多样室内3D场景
热点事件持续更新
SceneBloom：为具身学习自动生成真实多样室内3D场景
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
SceneBloom 作者提出一个具身学习室内环境生成框架：先用扩散先验在功能分区采样家具布置，再经几何拟合与局部姿态校正编译为物理有效的 3D 场景。 在五类房间的评测中，该方法的视觉质量与物理稳定性最优，且是唯一不产生网格碰撞和越界物体的方法。用其生成场景训练的目标导航策略，在真实扫描测试集上的成功率高于用同等数量真实扫描训练的策略。代码已公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
SceneBloom：面向具身学习的智能体室内环境生成框架，布局真实多样报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AISceneBloom：面向具身学习的智能体室内环境生成框架，布局真实多样
SceneBloom 是一个结合视觉布局采样与契约引导 3D 编译的智能体框架，用扩散先验在功能分区生成家具布置，再通过几何拟合与局部姿态校正生成物理有效的 3D 场景。在五类房间上，其视觉质量与物理稳定性最优，且是唯一无网格碰撞和越界物体的方法。在这些场景训练的目标导航策略，在真实扫描测试集上的成功率高于同等数量真实训练扫描训练的策略。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。