Direct2.5: Diverse Text-to-3D Generation via Multi-view 2.5D Diffusion
专题命中 3D生成 :3D generation(title);分类 cs.CV
Comments CVPR 2024 camera ready, including more evaluations and discussions. Project webpage: https://nju-3dv.github.io/projects/direct25
视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
专题命中 3D生成 :3D generation(title);分类 cs.CV
Comments CVPR 2024 camera ready, including more evaluations and discussions. Project webpage: https://nju-3dv.github.io/projects/direct25
专题命中 3D生成 :3D generation(title);分类 cs.CV
专题命中 3D生成 :3D generation(title);分类 cs.CV
Comments Accepted at ICLR 2024. Project page: https://fudan-zvg.github.io/PGC-3D
专题命中 3D生成 :3D generation(title);分类 cs.CV
Comments 9 pages, 8 figures, 2 tables
专题命中 3D生成 :3D generation(title);分类 cs.CV
Comments Project page: https://gpteval3d.github.io/ ; Code: https://github.com/3DTopia/GPTEval3D
专题命中 3D生成 :3D generation(title);分类 cs.CV
Comments project page: https://Image-Dream.github.io
专题命中 3D生成 :3D generation(title);分类 cs.CV
Comments Project page: https://lizhiqi49.github.io/MVControl/
专题命中 3D生成 :3D generation(title);分类 cs.CV
Comments Project Page: https://mrtornado24.github.io/DreamCraft3D/
专题命中 3D生成 :3D generation(title);分类 cs.CV
Comments Project Page: https://github.com/buaacyw/IT3D-text-to-3D
专题命中 3D生成 :3D generation(title);分类 cs.CV
专题命中 3D生成 :3D generation(title);分类 cs.CV
Comments project page https://pals.ttic.edu/p/score-jacobian-chaining
执行前澄清:用于解决3D工具编排中意图不对称的自进化智能体
专题命中 3D生成 :point cloud(abstract);3D generation(abstract);分类 cs.CV、cs.GR
AI总结 研究3D资产创建中用户指令模糊与工具要求精确的意图不对称问题,提出自进化智能体CLARE,通过解耦生成管道、模拟多轮交互自我进化澄清策略,在新基准测试中取得领先性能,证明主动澄清对3D执行的关键作用。
Comments Accepted to ACM Multimedia 2026 (ACM MM 2026). 26 pages including appendix, 8 figures. Code: https://github.com/xyzhu1225/CLARE
3D-CBM:生成式3D建模中基于概念可解释性的框架
机构 * Yubree Labs ; Multimedia Interaction and Communication Lab, Arab Academy for Science and Technology(阿拉伯科学技术学院多媒体交互与通信实验室)
专题命中 3D生成 :point cloud(abstract);3D generation(abstract);分类 cs.CV、cs.GR
AI总结 提出将概念瓶颈模型(CBM)融入3D生成架构,通过多层级可解释原语和功能属性映射,实现语义可操控的3D生成,实验验证了高概念预测精度和交互式纠错能力。
具有学习密度控制的生成3D高斯
机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University(清华大学交叉信息研究院)
专题命中 3D生成 :Gaussian Splatting(abstract);3D generation(abstract);分类 cs.CV、cs.GR
AI总结 本文提出Density-Sampled Gaussians (DeG),通过学习概率密度函数实现3D表示的自适应密度控制,结合渲染监督优化空间密度和高斯属性,提升单图到3D生成的质量。
Comments 19 pages, 16 figures, SIGGRAPH Conference Papers '26
生物启发123D:用于生物启发结构的生成3D建模系统
专题命中 3D生成 :point cloud(abstract);3D generation(abstract);分类 cs.CV、cs.GR
AI总结 本文提出Bioinspired123D,一种轻量级模块化代码-几何管道,通过参数化程序直接生成可制造的3D结构,而非密集视觉表示。系统基于生物启发3D模型,结合多模态检索增强生成和视觉-语言模型批评者,实现了高效的文本到3D生成。
为生成兼容服装的CG-ready人类和服装联合生成的文本到3D框架
专题命中 3D生成 :NeRF(abstract);3DGS(abstract);分类 cs.CV、cs.GR
AI总结 本文提出Tailor框架,通过语义解析、几何感知服装生成和一致纹理合成,实现高保真定制3D人像和物理兼容服装,优于现有方法。
Comments Project page: https://human-tailor.github.io
机构 * The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)) ; Microsoft Research(微软研究院)
专题命中 3D生成 :3D vision(abstract);3D generation(abstract);分类 cs.CV、cs.GR
Comments Technical Report (21 pages, 21 figures)
专题命中 3D生成 :point cloud(abstract);3D generation(abstract);分类 cs.CV、cs.GR
Comments More results and details can be found at https://lioryariv.github.io/msdf
Arko-T: 面向文本到结构化3D生成的基础模型
机构 * Spatial Design Intelligence Lab, BitInf Ltd.(BitInf有限公司空间设计智能实验室) ; School of Computer Science, Wuhan University(武汉大学计算机学院) ; College of Computer and Information Engineering, Nanjing Tech University(南京工业大学计算机与信息工程学院)
专题命中 3D生成 :3D generation(title)
AI总结 提出4B参数文本到设计模型Arko-T,通过设计状态对齐实现从自然语言到可编辑参数化CAD程序的生成,在12项指标中8项最优,成本仅为前沿模型的十分之一。
评判以改进:一种去偏的 VLM-as-3D-Judge 协议用于单图像 3D 生成
机构 * Transformer Lab
专题命中 3D生成 :3D generation(title)
AI总结 本文提出一种去偏的跨模型 VLM-as-3D-Judge 协议,将评判者从排序扩展到优化,通过训练与评估评判者分离、位置偏差校正及修复三种失效模式,实现轻量级适应下与强基线的匹配。
DreamLifting:一种插件模块用于提升MV扩散模型以生成3D资产
机构 * PCA Lab, VCIP, College of Computer Science, Nankai University(南开大学计算机学院VCIP实验室PCA Lab) ; School of Intelligence Science and Technology, Nanjing University(南京大学智能科学与技术学院) ; Horizon Robotics(地平线机器人) ; D-Robotics
专题命中 3D生成 :Gaussian Splatting(abstract);3D generation(abstract);分类 cs.CV
AI总结 本文提出LGAA框架,通过多视角扩散先验统一几何与PBR材质建模,结合模块化设计和改进的VAE实现高效3D资产生成,实验表明其在文本和图像条件下均表现优异。
Comments 16 pages, 9 figures, TVCG 2026, project page: https://zx-yin.github.io/dreamlifting/
Journal ref IEEE Transactions on Visualization and Computer Graphics 2026
UniUGG: 通过几何-语义编码实现统一的3D理解与生成
机构 * Fudan University(复旦大学) ; Huawei Noah’s Ark Lab(华为诺亚实验室)
专题命中 3D生成 :3D generation(abstract);spatial understanding(abstract);分类 cs.CV
AI总结 UniUGG通过几何-语义编码实现3D理解和生成的统一框架,结合大语言模型和潜在扩散模型,提升空间理解和生成能力。
机构 * Dept. of CSE, Korea University(计算机科学与工程系,韩国大学)
专题命中 3D生成 :NeRF(abstract);3DGS(abstract);分类 cs.CV
Comments Accepted to ICCV 2025. https://mks0601.github.io/PERSONA/
机构 * ETH Zürich(苏黎世联邦理工学院) ; State Key Lab of CAD&CG, Zhejiang University(浙江大学计算机辅助设计与图形学国家重点实验室)
专题命中 3D生成 :3DGS(abstract);3D generation(abstract);分类 cs.CV
专题命中 3D生成 :Gaussian Splatting(abstract);3D generation(abstract);分类 cs.CV
专题命中 3D生成 :NeRF(abstract);3D generation(abstract);分类 cs.CV
专题命中 3D生成 :point cloud(abstract);novel view synthesis(abstract);分类 cs.CV
Comments ICLR 2024, code is available at https://github.com/xg-chu/GPAvatar
专题命中 3D生成 :NeRF(abstract);3D generation(abstract);分类 cs.CV
Comments 8 pages, 7 figures, 1 table
专题命中 3D生成 :NeRF(abstract);3D generation(abstract);分类 cs.CV
Comments Project Page: https://justimyhxu.github.io/projects/dmv3d/
SIMART: 通过MLLM将单体网格分解为可模拟的关节化资产
机构 * ByteDance Seed(字节跳动种子) ; NTU(国立台湾大学)
专题命中 3D生成 :3D generation(abstract);分类 cs.CV、cs.GR、cs.RO
AI总结 SIMART通过统一的MLLM框架实现部分级分解和运动学预测,减少3D令牌数量,提升多部分组装的保真度,并在PartNet-Mobility和野外AIGC数据集上取得最佳性能,支持物理仿真的机器人模拟。