DiffuScene: Denoising Diffusion Models for Generative Indoor Scene Synthesis
Technical University of Munich（慕尼黑工业大学）；Sony Europe RDC Stuttgart（索尼欧洲研发中心斯图加特分部）；Technical University of Darmstadt（达姆施塔特工业大学）
本研究提出DiffuScene扩散模型，通过无序对象属性去噪生成3D室内场景，支持场景补全等多种应用，在3D-FRONT数据集上表现优于现有最优方法。
2024-03-12 cs.CV
Scaling Diffusion Models to Real-World 3D LiDAR Scene Completion
Center for Robotics, University of Bonn（波恩大学机器人中心）；Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所）
本文提出将扩散模型直接应用于3D点云以实现真实世界场景补全，通过重新表述扩散过程并提出正则化损失稳定去噪，在单次LiDAR扫描输入下生成比现有方法更详细的完整场景。
2024-03-20 cs.CV
Move Anything with Layered Scene Diffusion
Meta AI；Nanyang Technological University（南洋理工大学）
针对扩散模型难以自由调整图像布局的问题，提出无需训练的SceneDiffusion方法，通过扩散采样中优化分层场景表示、联合去噪不同布局渲染实现空间解耦，支持多种空间与分层编辑，还可处理真实图像，响应不到1秒。
2024-04-10 cs.CV
Coherent 3D Scene Diffusion From a Single RGB Image
Technical University of Munich（慕尼黑工业大学）；Meta Reality Labs（元宇宙现实实验室）
该研究提出一种基于图像条件3D场景扩散的单RGB图像相干3D重建方法，通过联合建模物体关系、引入表面对齐损失解决标注不足问题，在SUN RGB-D和Pix3D基准上性能显著优于现有方法。
2024-12-13 cs.CV
Adverse Weather Conditions Augmentation of LiDAR Scenes with Latent Diffusion Models
University of Wuppertal（乌珀塔尔大学）；Aptiv Services Deutschland GmbH（Aptiv Services德国公司）
本文提出基于潜在扩散模型的方法，通过生成模型增强激光雷达场景在恶劣天气下的真实性，提升自动驾驶系统的鲁棒性。
2025-01-03 cs.CV
Pyramid Diffusion for Fine 3D Large Scene Generation
Southwest Jiaotong University（西南交通大学）；University of Leeds（利兹大学）；City University of Hong Kong（香港城市大学）；NVIDIA（英伟达）；The University of California, Merced（加州大学默塞德分校）；Yonsei University（延世大学）
本文提出金字塔离散扩散模型（PDD），利用尺度变化的扩散模型逐步生成高质量大规模三维室外场景，支持无条件与有条件生成，并具备跨数据集微调的兼容性。
2024-07-18 cs.CV
DiffSF: Diffusion Models for Scene Flow Estimation
Linköping University（林雪平大学）
场景流估计是各种现实世界应用的重要组成部分，特别是对于自主智能体，例如自动驾驶汽车和机器人。虽然最近的场景流估计方法实现了合理的精度，但它们对现实世界系统的适用性还受益于可靠性措施。为了提高准确性，同时还提供了一个估计的不确定性，我们提出了DiffSF，结合基于变换的场景流估计与去噪扩散模型。在扩散过程中，通过加入高斯噪声，地面真实场景流矢量场逐渐扰动。在反向过程中，从随机采样的高斯噪声开始，通过调节源和目标点云来恢复场景流矢量场预测。我们表明，扩散过程大大增加了预测的鲁棒性相比，现有的方法，导致在标准场景流量估计基准的最先进的性能。此外，通过使用不同的初始状态进行多次采样，去噪过程可以预测多个假设，这使得可以测量输出的不确定性，从而使我们的方法能够检测到大多数不准确的预测。该代码可在https://github.com/ZhangYushan3/DiffSF上获得。
2024-10-04 cs.CV
Layout2Scene: 3D Semantic Layout Guided Scene Generation via Geometry and Appearance Diffusion Priors
The Shenzhen Campus of Sun Yat-sen University, Sun Yat-sen University（中山大学深圳校区，中山大学）；National University of Defense Technology（国防科技大学）
针对文本条件3D场景生成缺乏精确位置控制的问题，本文提出Layout2Scene，利用语义布局并结合两阶段几何与外观扩散先验优化，生成更逼真、可灵活精确编辑的3D场景。
2025-01-05 cs.CV
ScenDi: 3D-to-2D Scene Diffusion Cascades for Urban Generation
Zhejiang University（浙江大学）；Ant Group（蚂蚁集团）；The University of British Columbia（不列颠哥伦比亚大学）
ScenDi通过整合3D和2D扩散模型，解决3D城市生成中外观细节与相机可控性的平衡问题，实现高质量场景生成。
2026-01-21 cs.CV
Contrastive Sequential-Diffusion Learning: Non-linear and Multi-Scene Instructional Video Synthesis
NOVA LINCS；NOVA School of Science and Technology（NOVA科技学院）；Google Research（谷歌研究院）
针对多场景教学视频合成中非线性时序下的视觉一致性难题，提出对比序列视频扩散方法，通过选择适配的历史场景引导去噪，实验验证其在真实动作数据上的实用性与一致性提升。
2024-12-06 cs.CV
Diffusion-Based Attention Warping for Consistent 3D Scene Editing
Tel-Aviv University（特拉维夫大学）
本研究提出一种基于扩散模型的3D场景编辑方法，通过单参考图注意力特征结合高斯溅射深度几何对齐实现多视角特征扭曲，保障编辑的视图一致性与真实感，显著提升3D场景编辑能力。
2024-12-10 cs.CV
Scene Graph Conditioning in Latent Diffusion
Universität Ulm（乌尔姆大学）
针对扩散模型文本控制不足，提出基于场景图与ControlNet及门控自注意力的条件生成方法，显著提升图像生成质量。
2023-10-16 cs.CV
CommonScenes: Generating Commonsense 3D Indoor Scenes with Scene Graph Diffusion
Technical University of Munich（慕尼黑工业大学）；Google（谷歌）；Munich Center for Machine Learning（慕尼黑机器学习中心）
CommonScenes提出一种基于场景图扩散的完全生成模型，通过变分自编码器和潜在扩散双分支生成符合常识的可控3D室内场景，并构建SG-FRONT数据集，实验证明其在一致性、质量和多样性上优于现有方法。
2023-12-30 cs.CV
Diffusion Distillation With Direct Preference Optimization For Efficient 3D LiDAR Scene Completion
Zhejiang University（浙江大学）；Peking University（北京大学）；Zhejiang Green Zhixing Technology co., ltd（浙江绿智行科技有限公司）
针对扩散模型在3D LiDAR场景补全中采样慢的问题，提出Distillation-DPO框架，通过生成不同初始噪声的补全场景、以评估指标构建偏好样本对并优化学生模型，实现补全速度超5倍提升且性能更优，为偏好对齐蒸馏提供新方法。
2025-04-16 cs.CV
Inpaint3D: 3D Scene Content Generation using 2D Inpainting Diffusion
Google Research（谷歌研究院）；Stanford University（斯坦福大学）
提出Inpaint3D，将仅以单张带掩码2D图像为条件的2D扩散模型蒸馏到NeRF，结合SDS、重建损失和深度监督实现任意3D区域内容生成。
2023-12-06 cs.CV
LAW-Diffusion: Complex Scene Generation by Diffusion with Layouts
Sun Yat-Sen University（中山大学）；Jinan University（暨南大学）；University of Oxford（牛津大学）
本文提出 LAW-Diffusion，通过空间依赖解析、跨对象注意力、自适应布局引导和潜在嫁接实现可控、和谐且可局部重构的复杂场景生成，并以 SRS 指标验证其达到最优效果。
2023-08-13 cs.CV
DiffDreamer: Towards Consistent Unsupervised Single-view Scene Extrapolation with Conditional Diffusion Models
Stanford University（斯坦福大学）；ETH Zürich（苏黎世联邦理工学院）；MPI for Intelligent Systems, Tübingen（图宾根马克斯·普朗克智能系统研究所）；KU Leuven（鲁汶大学）
场景外推--通过飞入给定图像来生成新视图的想法--是一项有前途但具有挑战性的任务。对于每个预测帧，必须解决联合修复和3D细化问题，这是病态的，并且包括高水平的模糊性。此外，长距离场景的训练数据难以获得，并且通常缺乏足够的视图来推断准确的相机姿态。我们介绍了DiffDreamer，一个无监督的框架，能够合成新的视图描绘一个长的相机轨迹，同时只训练互联网收集的自然场景的图像。利用引导去噪步骤的随机性质，我们训练扩散模型以细化投影RGBD图像，但将去噪步骤限制在多个过去和未来帧上以进行推理。我们证明了图像条件扩散模型可以有效地执行长距离场景外推，同时保持一致性显着优于以前的基于GAN的方法。DiffDreamer是一个强大而高效的场景外推解决方案，尽管监督有限，但仍能产生令人印象深刻的结果。项目页面：https://primecai.github.io/diffdreamer。
2023-03-18 cs.CV
Mixed Diffusion for 3D Indoor Scene Synthesis
Massachusetts Institute of Technology（麻省理工学院）；Google, Inc（谷歌公司）；Technische Universität München（慕尼黑工业大学）
针对平面图条件下3D室内场景合成需同时处理离散类别与连续几何的难题，本文提出混合离散-连续扩散模型MiDiffusion，通过结构化破坏提升去噪效果，并在3D-FRONT上超越现有方法。
2024-12-09 cs.CV
NeuralField-LDM: Scene Generation with Hierarchical Latent Diffusion Models
NVIDIA（英伟达）；University of Toronto（多伦多大学）；Vector Institute（向量研究所）；CSAIL, MIT（麻省理工学院计算机科学与人工智能实验室）；University of Waterloo（滑铁卢大学）；University of Tübingen（图宾根大学）；Tübingen AI Center（图宾根人工智能中心）；LMU Munich（慕尼黑大学）
本文提出NeuralField-LDM，通过场景自动编码器、潜在自动编码器与分层潜在扩散模型构建3D场景生成流程，并在生成质量上显著超越现有方法。
2023-04-19 cs.CV
HouseCrafter: Lifting Floorplans to 3D Scenes with 2D Diffusion Model
Northeastern University（东北大学）；Stability AI
HouseCrafter通过适配2D扩散模型自回归生成一致的RGB-D图像，将平面图提升为房屋尺度的高质量3D室内场景，并在3D-Front上验证了有效性。
2025-08-19 cs.CV
LT3SD: Latent Trees for 3D Scene Diffusion
Technical University of Munich（慕尼黑技术大学）
提出LT3SD潜在扩散模型，利用潜在树表示从粗到细编码3D场景的几何与细节，通过场景块训练实现任意尺寸大规模3D场景的高质量生成与概率补全。
2025-05-01 cs.AI cs.CV
SceneGenie: Scene Graph Guided Diffusion Models for Image Synthesis
Technical University of Munich（慕尼黑工业大学）；MCML（慕尼黑计算生物学与机器学习中心）；Ludwig Maximilian University（路德维希-马克西米利安大学）
针对文本条件扩散模型难以准确呈现复杂文本提示的问题，提出SceneGenie方法，通过场景图构建及采样阶段的CLIP语义与几何约束引导，在两项基准上实现最优性能。
2023-04-28 cs.AI cs.CV
Scene Splatter: Momentum 3D Scene Generation from Single Image with Video Diffusion Model
Tsinghua University（清华大学）；WeChat Vision, Tecent Inc.（腾讯微信视觉）
提出Scene Splatter，一种基于动量的视频扩散范式，通过级联潜在级和像素级动量从单张图像迭代生成高保真且一致的3D场景，克服了视频长度限制和场景不一致问题。
2025-04-03 cs.AI cs.CV
SSEditor: Controllable Mask-to-Scene Generation with Diffusion Model
Macau University of Science and Technology（澳门科技大学）
本文提出SSEditor，一种基于两阶段扩散模型的可控语义场景编辑器，通过掩码条件和几何-语义融合模块实现无需多步重采样的指定类别场景生成，在多个数据集上验证了其可控性、生成质量及快速构建新场景的能力。
2024-11-19 cs.AI cs.CV
SurGrID: Controllable Surgical Simulation via Scene Graph to Image Diffusion
TU Darmstadt（图宾根大学）；TU Munich（慕尼黑工业大学）；Carl Zeiss AG（蔡司股份公司）；Universitätsmedizin Mainz（法兰克福大学医学中心）
本文提出SurGrID场景图到图像扩散模型，通过编码手术场景空间与语义信息并显式捕获局部和全局特征，实现高保真、可控且可交互的手术场景模拟，并在临床专家评估中验证了其真实性与可控性。
2025-02-11 cs.CV cs.LG
SceneTextStylizer: A Training-Free Scene Text Style Transfer Framework with Diffusion Model
The University of Electro-Communications（电通大学）
本文提出SceneTextStylizer，一种无需训练的扩散模型框架，通过特征注入、区域控制和风格增强模块，实现了场景文本区域灵活且高保真的风格迁移，同时保持文本可读性。
2025-10-13 cs.CV eess.IV
Sampling 3D Gaussian Scenes in Seconds with Latent Diffusion Models
University of Glasgow（格拉斯哥大学）；University of Edinburgh（爱丁堡大学）
本研究提出仅用2D图像训练的3D场景潜在扩散模型，通过自编码器构建3D高斯泼溅的潜在表示并训练多视图扩散模型，在两个大规模数据集上实现0.2秒生成高质量3D场景，速度较同类模型快一个数量级。
2024-06-18 cs.CV cs.LG
VideoDirectorGPT: Consistent Multi-scene Video Generation via LLM-Guided Planning
UNC Chapel Hill（北卡罗来纳大学教堂山分校）
针对现有文本生成视频方法多聚焦单场景短视频、难以实现长视频时间一致性的问题，提出VideoDirectorGPT框架，用GPT-4生成视频规划，结合Layout2Vid生成器实现多场景一致视频生成，性能媲美单场景SOTA。
2024-07-12 cs.AI cs.CL cs.CV
BeyondScene: Higher-Resolution Human-Centric Scene Generation With Pretrained Diffusion
Seoul National University（首尔大学）；INMC；IPAI
BeyondScene提出分阶段分层框架，通过实例感知分层放大、高频注入前向扩散和自适应联合扩散，利用预训练扩散模型生成超过8K的高分辨率人物中心场景，无需重新训练。
2024-04-06 cs.AI cs.CV
Lay-Your-Scene: Natural Scene Layout Generation with Diffusion Transformers
UC San Diego（加州大学圣地亚哥分校）；Tsingua University（清华大学）
本文提出Lay-Your-Scene（LayouSyn），利用轻量级开源语言模型和宽高比感知的开放词表扩散Transformer进行自然场景文本到布局生成，在空间与数值推理基准上达到最先进性能，并展示了其在布局优化和图像编辑中的应用潜力。
2025-05-07 cs.CV cs.LG
Panoptic Scene Program Diffusion Transformer
提出PSP-DiT，一种将全景场景程序作为潜在变量联合去噪的扩散Transformer，在多个基准上显著提升组合提示生成能力，尤其改善计数、属性绑定和角色敏感关系。
2026-11-09 cs.CV cs.LG
DM-OSVP++: One-Shot View Planning Using 3D Diffusion Models for Active RGB-Based Object Reconstruction
University of Bonn（波恩大学）；Center for Robotics（机器人中心）；Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所）；Delft University of Technology（代尔夫特理工大学）
该研究针对主动物体重建，提出DM-OSVP++方法，利用3D扩散模型的先验信息，通过初始多视角图像生成近似物体模型，实现单镜头视角规划，提升数据收集效率，经实验验证有效。
2025-04-16 cs.CV cs.RO
Exploiting Priors from 3D Diffusion Models for RGB-Based One-Shot View Planning
University of Bonn（波恩大学）；Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究院）
针对单样本视角规划需物体先验的问题，提出以3D扩散模型生成能力为先验的方法，仅用单张RGB图像即可实现规划，在仿真与真实实验中平衡了重建质量与移动成本。
2024-09-15 cs.CV cs.RO
LiDPM: Rethinking Point Diffusion for Lidar Scene Completion
Inria（法国国家信息与自动化技术研究所）；LIGM, ENPC, Univ Gustave Eiffel, CNRS, France（LIGM，ENPC，法国埃菲尔大学，CNRS，法国）
针对户外激光雷达场景补全，本文指出了局部扩散公式的近似局限，证明采用合适起点的原始 DDPM 即可完成场景级补全，提出的 LiDPM 方法在 SemanticKITTI 上取得了更优结果。
2025-07-16 cs.CV cs.RO
SemLayoutDiff: Semantic Layout Generation with Diffusion Model for Indoor Scene Synthesis
Simon Fraser University（西蒙弗雷泽大学）；CMU（卡内基梅隆大学）；Alberta Machine Intelligence Institute (Amii)（阿尔伯塔人工智能研究所）
SemLayoutDiff提出一种结合语义图与分类扩散模型的统一框架，实现多房间类型下受建筑约束的多样化3D室内场景合成，并在3D-FRONT数据集上超越现有方法。
2025-09-06 cs.CV cs.GR
MVRoom: Controllable 3D Indoor Scene Generation with Multi-View Diffusion Models
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；DAMO Academy, Alibaba Group（阿里巴巴达摩院）；Hupan Lab（虎斑实验室）
MVRoom通过多视角扩散模型实现可控的3D室内场景生成，结合布局感知的极线注意力机制和迭代框架，提升多视角一致性和生成质量。
2025-12-03 cs.AI cs.CV
DORSal: Diffusion for Object-centric Representations of Scenes et al
UC Berkeley（加州大学伯克利分校）；Google Research（谷歌研究院）；Google DeepMind（谷歌DeepMind）
本文提出DORSal，将视频扩散架构与冻结的对象中心化槽位表示结合，在保持对象级编辑能力的同时实现高保真可扩展3D场景渲染，并在合成与真实大规模数据集上优于现有方法。
2024-05-03 cs.AI cs.CV cs.LG
LayoutAgent: A Vision-Language Agent Guided Compositional Diffusion for Spatial Layout Planning
Personalization Team, Walmart Global Tech（Walmart全球科技个性化团队）
本文提出 LayoutAgent 框架，结合视觉-语言模型预处理与机器人学中的组合扩散生成尊重语义和物理关系的边界框，并由前景条件生成器合成完整场景，在布局连贯性、空间真实性和美学对齐上优于现有模型。
2025-09-24 cs.AI cs.CV cs.LG
EchoScene: Indoor Scene Generation via Information Echo over Scene Graph Diffusion
Technical University of Munich（慕尼黑工业大学）；Ludwig Maximilian University of Munich（慕尼黑大学）；Munich Center for Machine Learning（慕尼黑机器学习中心）；Google（谷歌公司）
EchoScene提出一种基于场景图的双分支扩散模型，通过信息回声机制实现节点间协作，生成可控且全局一致的3D室内场景，并在保真度上超越现有方法。
2025-02-27 cs.AI cs.CV cs.LG
ConsistDreamer: 3D-Consistent 2D Diffusion for High-Fidelity Scene Editing
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Meta
本文提出 ConsistDreamer 框架，通过环绕视角输入、3D一致结构化噪声与自监督一致性训练，使2D扩散模型实现高保真3D一致的指令引导场景编辑。
2024-06-13 cs.AI cs.CV cs.LG
DimensionX: Create Any 3D and 4D Scenes from a Single Image with Controllable Video Diffusion
HKUST（香港科技大学）；Tsinghua University（清华大学）
DimensionX提出基于可控视频扩散的框架，通过解耦空间与时间因素，从单张图像生成逼真的3D和4D场景，并引入轨迹感知与身份保持策略，实验证明优于现有方法。
2024-11-07 cs.AI cs.CV cs.GR
Future-Aware End-to-End Driving: Bidirectional Modeling of Trajectory Planning and Scene Evolution
School of Data Science, Fudan University（复旦大学数据科学学院）；Shanghai Innovation Institute（上海创新研究院）；University of Surrey（Surrey大学）；Imperial College London（伦敦帝国理工学院）
提出SeerDrive端到端自动驾驶框架，通过双向建模联合预测未来场景演化与轨迹规划，利用未来BEV特征指导轨迹生成，在NAVSIM和nuScenes基准上显著优于现有方法。
2025-10-13 cs.CV
Adversarial Model for Rotated Indoor Scenes Planning
Technique Center Ihome Corporation（艾佳家居技术中心）；IBM Research（IBM研究院）
在本文中，我们提出了一个对抗模型，用于在室内房间旋转时产生家具布局以进行室内场景合成。该模型结合了条件对抗网络，旋转模块，模式模块和旋转模块。与已有的场景合成方法相比，本文提出的三个模块增强了场景自动布局生成的能力，减少了室内场景旋转过程中的模式坍塌。我们进行我们的实验，建议现实世界的室内布局数据集，其中包含14400设计的专业设计师。我们的数值结果表明，该模型产生更高质量的布局为四种类型的房间，包括卧室，浴室，书房，和榻榻米室。
2020-07-07 cs.CV
CoSPlan: Corrective Sequential Planning via Scene Graph Incremental Updates
UCF Institute of Artificial Intelligence, University of Central Florida (UCF)（中佛罗里达大学（UCF）人工智能研究所）
CoSPlan基准测试要求视觉语言模型在初始场景到目标场景间规划视觉动作序列，通过引入错误动作检测与纠正机制，评估模型在复杂视觉任务中的能力。
2026-06-26 cs.CV
SceMoS: Scene-Aware 3D Human Motion Synthesis by Planning with Geometry-Grounded Tokens
DFKI（德累斯顿人工智能研究所）；MPI for Informatics（信息研究所）；Saarland Informatics Campus（萨尔州信息校园）；University of Hong Kong（香港大学）
SceMoS通过基于几何的令牌规划，利用2D场景表示实现高效且逼真的3D人体运动合成，减少50%以上可训练参数，提升物理真实性和接触精度。
2026-02-24 cs.CV
SceneFactor: Factored Latent 3D Diffusion for Controllable 3D Scene Generation
Technical University of Munich（慕尼黑工业大学）；Carnegie Mellon University（卡内基梅隆大学）
提出SceneFactor因子化潜空间3D扩散框架，利用语义与几何流形实现文本引导的任意规模场景生成，并通过语义3D框代理空间支持直观、局部且高保真一致的可控编辑。
2024-12-03 cs.CV
Scene Induced Multi-Modal Trajectory Forecasting via Planning
University of California, San Diego（加州大学圣迭戈分校）
我们解决多模态轨迹预测的代理在未知的场景制定它作为一个规划问题。我们提出了一种方法，包括三个模型;一个目标预测模型，以确定潜在的目标的代理，逆强化学习模型，以规划最佳路径到每个目标，和轨迹生成器，以获得未来的轨迹沿规划的路径。对斯坦福无人机数据集的预测分析显示了我们对新场景的方法的普遍性。
2019-05-23 cs.CV cs.RO
DiffusionSTR: Diffusion Model for Scene Text Recognition
FA Research, Fast Accounting Co., Ltd.（快速会计有限公司FA研究院）
本文提出DiffusionSTR，首次将扩散模型应用于场景文本识别，将其视为图像条件下的文本到文本任务，在公开数据集上取得了具竞争力的准确率。
2023-06-29 cs.CV
GEM: Gaussian Evolution Model for Occupancy Forecasting and Motion Planning
Purdue University（普渡大学）；New York University Abu Dhabi（纽约大学阿布扎克分校）
该研究提出GEM模型，通过高斯演化模型实现高效的占用预测和运动规划，解决了传统方法在时间灵活性、场景演化和连续时间动态匹配上的不足。
2026-05-17 cs.CV
CoVLM-Bench: A Real-World Benchmark for Cooperative Driving Question Answering and Planning
Renmin University of China（中国人民大学）；Hebei Key Laboratory of Real-virtual Integrated Autonomous Systems (RIAS)（河北省虚实融合自主系统重点实验室（RIAS））
针对协同驾驶中VLM问答与规划未联合评估的问题，提出真实世界基准CoVLM-Bench及统一基线CoVLM-Drive，通过配对视图实现CDQA和CP，实验验证了其有效性和规划误差降低。
2026-09-30 cs.CV
Compositional 3D Scene Generation using Locally Conditioned Diffusion
Stanford University（斯坦福大学）
设计复杂的3D场景一直是一个繁琐的手动过程，需要领域专业知识。新兴的文本到3D生成模型显示出很大的希望，使这项任务更直观，但现有的方法仅限于对象级的生成。我们引入\textbf{locally conditioned diffusion}作为一种方法组成的场景扩散，使用文本提示和边界框提供对语义部分的控制，同时确保这些部分之间的无缝过渡。我们展示了一个分数蒸馏采样-基于文本到3D合成管道，使组成的3D场景生成在更高的保真度比相关的基线。
2023-03-23 cs.CV
Multi-Object Sketch Animation by Scene Decomposition and Motion Planning
Renmin University of China（中国人民大学）
针对多对象草图动画的挑战，提出基于场景分解与运动规划的MoSketch方法，通过SDS迭代优化实现无需训练数据的动画生成，实验证明其优越性。
2025-08-02 cs.CV
Decoupling Scene Perception and Ego Status: A Multi-Context Fusion Approach for Enhanced Generalization in End-to-End Autonomous Driving
针对端到端自动驾驶过度依赖自车状态、泛化性不足的问题，提出AdaptiveAD架构，通过双分支解耦场景感知与自车状态并自适应融合，辅以注意力机制与辅助任务，在nuScenes上取得SOTA开环规划性能，泛化能力优异。
2025-11-18 cs.CV
ScePT: Scene-consistent, Policy-based Trajectory Predictions for Planning
NVIDIA Research（英伟达研究院）；Stanford University（斯坦福大学）
轨迹预测是与不受控制的代理共享环境的自主系统的关键功能，一个突出的例子是自动驾驶车辆。目前，大多数预测方法不强制场景一致性，即，在场景中的不同代理的预测轨迹之间存在大量的自冲突。此外，许多方法生成每个智能体的单独轨迹预测，而不是整个场景的联合轨迹预测，这使得下游规划变得困难。在这项工作中，我们提出了ScePT，一个基于策略规划的轨迹预测模型，生成准确的，场景一致的轨迹预测，适用于自主系统运动规划。它显式地执行场景一致性，并学习可用于条件预测的代理交互策略。在多个真实世界行人和自动驾驶车辆数据集上的实验表明，ScePT与当前最先进的预测精度相匹配，并显著提高了场景一致性。我们还展示了ScePT与下游应急计划人员合作的能力。
2022-06-18 cs.AI cs.CV cs.LG
