Tag · 4 篇
文本到3D生成
先思考再生成：面向一致性3D生成的结构化思维链推理
Think-Then-Generate: Structural Chain-of-Thought Reasoning for Consistent 3D Generation
把思维链式推理引入文本到3D生成：先用文本语义解析做结构规划，再用多视图渲染结果评估潜变量不一致并多轮迭代修正，可直接迁移到任何基于2D扩散先验的3D生成管线以抑制多视图幻觉。
面向多样化文本到3D生成的多模态语义偏差缓解
Multimodal Semantic Bias Mitigation for Diverse Text-To-3D Generation
针对文本到3D大模型对提示词格式敏感、难以理解复杂提示词的问题，提出用质量评价模型定位跨模态偏差、以质量分数量化提示词文本对偏差的贡献，并构造成对样本重建无偏的视觉-文本连接；做文本到3D或扩散先验的人可借鉴这套偏差定位与成对偏好式微调流程。
打破3D数据集瓶颈：从零开始快速可扩展生成对齐3D资产用于类别级6D位姿估计与机器人抓取
Breaking the 3D Dataset Bottleneck: Fast Scalable Generation of Aligned 3D Assets from Scratch for Category 6D Pose Estimation and Robotic Grasping
提供了一种从文本提示自动生成大规模规范对齐3D网格和6D位姿标注的流水线，可直接用于训练类别级6D位姿估计和机器人抓取模型，解决3D数据稀缺问题。
我们准备好将强化学习用于文本到3D生成了吗？一项渐进式探究
Are We Ready for RL in Text-to-3D Generation? A Progressive Investigation
把 GRPO 这类 RL 后训练从 2D 图像生成迁移到文本到 3D 自回归生成，并给出奖励设计（多模态模型作奖励、人类偏好对齐）与 token 级优化的可复用经验；Hi-GRPO 的全局到局部层级奖励集成思路可直接用于任何分阶段生成的 3D/视频模型。