Chat-Edit-3D++：利用大语言模型进行交互式3D与4D场景编辑
这项研究提出了CE3D++，一个利用大语言模型对3D场景和单目4D场景进行对话式编辑的系统。其Hash-Atlas网络将2D图像编辑与3D重建流程解耦。LLM能够理解用户的自由格式文本指令，并自主调用合适的视觉模型。针对4D场景，研究加入了运动物体约束，并构建了与编辑任务相关的轨迹数据集。据研究人员介绍，较小的LLM可以准确调度最多30种视觉工具。实验显示，该系统支持多样化的编辑效果、场景理解和多轮对话。源代码与训练模型已公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。