图像生成

ZeroScene: A Zero-Shot Framework for 3D Scene Generation from a Single Image and Controllable Texture Editing

ZeroScene: 一种基于单张图像的3D场景生成零样本框架及可控纹理编辑

Xiang Tang, Ruotong Li, Xiaopeng Fan

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory, China（鹏城实验室） ； Harbin Institute of Technology, China（哈尔滨工业大学） ； Harbin Institute of Technology, Suzhou Research Institute, China（哈尔滨工业大学苏州市研究院） 纠错

专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV、cs.GR

AI总结 ZeroScene通过零样本方法实现单图像3D场景生成与可控纹理编辑，结合大视觉模型先验知识，提升场景连贯性和渲染真实感。

Comments 16 pages, 15 figures, Eurographics 2026, Project page: https://xdlbw.github.io/ZeroScene/

DreamAnywhere: Object-Centric Panoramic 3D Scene Generation

DreamAnywhere: 基于对象的全景3D场景生成

Edoardo Alberto Dominici, Jozef Hladky, Floor Verhoeven, Lukas Radl, Thomas Deixelberger, Stefan Ainetter, Philipp Drescher, Stefan Hauswiesner, Arno Coomans, Giacomo Nazzaro, Konstantinos Vardis, Markus Steinberger

机构 * Huawei Technologies（华为技术有限公司） ； Graz University of Technology（格拉茨技术大学） 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV、cs.GR

AI总结 DreamAnywhere通过模块化系统实现快速生成和原型设计3D场景，提升新视角合成的连贯性并实现高质量图像输出。

Comments WACV 2026 Oral

Towards Geometric and Textural Consistency 3D Scene Generation via Single Image-guided Model Generation and Layout Optimization

面向几何与纹理一致性的单图像引导模型生成与布局优化的3D场景生成

Xiang Tang, Ruotong Li, Xiaopeng Fan

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Harbin Institute of Technology, Suzhou Research Institute（哈尔滨工业大学苏州研究院） 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV、cs.GR

AI总结 本文提出一种三阶段框架，通过单图像引导的模型生成和空间布局优化，实现具有高几何准确性和纹理保真的3D场景生成。

Comments 14 pages, 9 figures, Project page: https://xdlbw.github.io/sing3d/

Digital Twin Generation from Visual Data: A Survey

从视觉数据生成数字孪生：一项调查

Andrew Melnik, Benjamin Alt, Giang Nguyen, Artur Wilkowski, Maciej Stefańczyk, Qirui Wu, Sinan Harms, Helge Rhodin, Manolis Savva, Michael Beetz

机构 * University of Bremen（不莱梅大学） ； Warsaw University of Technology（华沙技术大学） ； Bielefeld University（比勒菲尔德大学） ； Simon Fraser University（西蒙弗雷泽大学） 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV

AI总结 本文综述了从视觉数据生成数字孪生的最新方法，探讨了多种技术及其挑战，为实际应用提供了全面的视角。

VQ-DSC-R: Robust Vector Quantized-Enabled Digital Semantic Communication With OFDM Transmission

VQ-DSC-R：基于OFDM传输的鲁棒向量量化数字语义通信

Jianqiao Chen, Nan Ma, Xiaodong Xu, Tingting Zhu, Huishi Song, Chen Dong, Wenkai Liu, Rui Meng, Ping Zhang

机构 * ZGC Institute of Ubiquitous-X Innovation and Applications（ubiquitous-X 创新与应用研究所） ； Beijing Key Laboratory of 6G DOICT converged and Cloud-Native Mobile Information Networks（北京6G DOICT融合与云原生移动信息网络重点实验室） ； State Key Laboratory of Networking and Switching Technology（网络与交换技术国家重点实验室） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出VQ-DSC-R系统，通过Swin Transformer和ANDVQ方案实现鲁棒的语义通信，提升压缩比和实际性能。