SceneMosaic：通过混合式智能体布局演化高效生成多样化可仿真场景
SceneMosaic是一种高效生成多样化、可用于仿真的室内场景框架，面向互动娱乐和具身智能。该方法先利用从图像中学习的参数化先验生成初始场景，再通过视觉语言模型智能体进行演化和细化。系统将场景拆分为相互独立的局部单元，分别进行优化后再组合成完整场景，从而兼顾生成效率和物理合理性。在SceneEval-100基准测试中，SceneMosaic的语义布局质量与最强的智能体基线相当，但速度提升了24倍，同时显著减少物理违规，并获得最高的人类评价。研究团队已公开源代码。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。