AIGCer的博客

本文提出ScenePainter框架，解决3D场景生成中的语义漂移和多样性不足问题。通过构建分层图结构SceneConceptGraph，建模场景中物体、布局与风格的复杂关系，并优化扩散模型以对齐场景特定先验。框架支持动态细化概念关系，平衡语义一致性与内容创新。实验表明，相比现有方法（如WonderJourney），ScenePainter生成的长序列3D视图更一致且沉浸，CLIP-I和DINO指标分别提升15%和12%，用户研究显示其在多样性-一致性权衡上优势显著。

本文提出创新性4D生成框架GVF-Diffusion，通过"4D网格变分自编码器+高斯变分场扩散模型"双模块架构，实现高效视频到4D内容生成。关键突破包括：1）首创直接编码4D动画为紧凑隐空间的VAE，结合网格引导损失确保运动对齐；2）采用时间感知DiT架构的条件扩散模型，通过交叉注意力融合视频特征与3D高斯场；3）在合成数据训练下展现优秀真实视频泛化能力。实验表明，该方法在PSNR（25.37）、LPIPS（0.098）等指标上超越现有技术，单序列生成仅需4.5秒。