跳到正文
arXiv · 机器人与计算机视觉· Zhenggang Tang, Yuehao Wang, Yuchen Fan, Jun-Kun Chen, Yu-Ying Yeh, Kihyuk Sohn, Zhangyang Wang, Qixing Huang, Alexander Schwing, Rakesh Ranjan, Dilin Wang, Zhicheng Yan·· 17 天前AI 评分16

3D-ARD+ 模型实现序列文本到场景生成,统一多模态 Token 自回归与物体扩散生成

Autoregressive Diffusion for Compositional Text-to-Scene Generation

AI 导读

3D-ARD+ 模型通过统一多模态 Token 序列的自回归生成与下一物体 3D 潜变量的扩散生成,解决了现有方法难以同时生成复杂布局与物体的问题。该模型在包含 230K 室内场景及配对文本指令的数据集上训练,并在 7B 参数规模下验证了其对非平凡空间布局和语义描述的遵循能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org