跳到正文
arXiv · 机器人与计算机视觉· Shufan Sun, Chen Wang, Enxin Song, Jiatao Gu, Lingjie Liu·· 2026-10-07精选AI 评分80

HARMONY:面向单目图像的场景合成分层智能体推理框架

HARMONY: Hierarchical Agentic Reasoning for MONocular Image-to-Scene Synthesis

AI 导读

论文 HARMONY 针对单目图像重建中语义理解与几何对齐的矛盾,提出结合智能体推理与视觉几何基础模型的层级框架。该方法先通过相机标定建立语义空间帧,利用 VLM 推理恢复房间布局及物体放置顺序,按墙体、家具到装饰品的层级进行深度优先遍历放置,并通过点云估计进行几何细化以对齐渲染图像。实验表明其在合成与真实世界图像上均优于基线,且相比 GPT-6 Astra 在物体排列和场景细节保留方面表现更优。

推荐理由

提出结合智能体推理与视觉几何基础模型的层级框架,解决单目图像到复杂室内场景的高保真重建难题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org