English(EN) Let Language Constrain Geometry: Vision-Language Models as Semantic and Spatial Critics for 3D Generation

视觉-语言模型作为语义和空间评论员增强3D生成

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-29 04:00

研究人员推出VLM3D，一个利用大型视觉-语言模型（VLMs）来改进3D生成的新框架。该方法使用VLMs作为评论员，评估生成3D内容的语义准确性和几何一致性。VLM3D可以作为优化管道中的奖励目标，或作为前馈管道在测试时的引导模块，从而增强与文本提示的对齐并纠正空间错误。 AI

影响该框架可能带来更准确、语义对齐的3D内容生成，改进虚拟现实和游戏开发等领域的应用。

排序理由该集群包含一篇详细介绍3D生成新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Weimin Bai, Yubo Li, Weijian Luo, Zeqiang Lai, Yequan Wang, Wenzheng Chen, He Sun · 2026-06-29 04:00

Let Language Constrain Geometry: Vision-Language Models as Semantic and Spatial Critics for 3D Generation

arXiv:2511.14271v2 Announce Type: replace Abstract: Text-to-3D generation has advanced rapidly, yet state-of-the-art models, encompassing both optimization-based and feed-forward architectures, still face two fundamental limitations. First, they struggle with coarse semantic alig…