English(EN) Edit in 2D, Verify in 3D: Reinforcement Learning for Multi-view Consistent Scene Editing

新的强化学习框架增强了三维场景编辑中的多视图一致性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-30 04:00

研究人员开发了RL3DEdit，一个利用强化学习来提高三维场景编辑中多视图一致性的新颖框架。该方法通过利用二维扩散模型和名为VGGT的三维基础模型，解决了成对三维编辑数据稀缺的问题。RL3DEdit使用VGGT的输出置信度和姿态估计误差作为奖励信号来指导编辑过程，有效地将二维编辑先验与三维一致性流形对齐。实验表明，该方法实现了稳定的多视图一致性，并在编辑质量和效率方面优于现有技术。 AI

影响这项研究通过解决多视图一致性挑战，可能带来更强大、更一致的三维内容创作工具。

排序理由这是一篇详细介绍三维场景编辑新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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.AI TIER_1 English(EN) · Jiyuan Wang, Chunyu Lin, Lei Sun, Zhi Cao, Yuyang Yin, Lang Nie, Zhenlong Yuan, Xiangxiang Chu, Yunchao Wei, Kang Liao, Guosheng Lin · 2026-06-30 04:00

Edit in 2D, Verify in 3D: Reinforcement Learning for Multi-view Consistent Scene Editing

arXiv:2603.03143v2 Announce Type: replace-cross Abstract: Leveraging the priors of 2D diffusion models for 3D editing has emerged as a promising paradigm. However, multi-view consistency remains challenging in edited results, and the extreme scarcity of paired 3D-consistent editi…

报道来源 [1]

Edit in 2D, Verify in 3D: Reinforcement Learning for Multi-view Consistent Scene Editing

相关实体

相关话题