团队提出3D-ARD+文本生成3D场景模型

研究团队提出3D-ARD+，一种把多模态token序列的自回归生成与下一个物体的3D潜变量扩散生成统一起来的3D自回归扩散模型，可按文本指令逐个生成并摆放物体，用于组合式文本到场景生成。 团队同时构建了23万组带文本指令的室内场景数据集，并评测了7B版本。据作者称，模型能遵循文本描述的复杂空间布局与语义。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。