智能体场景规划

以3D空间为草稿本的可编辑文本到图像生成

3D Space as a Scratchpad for Editable Text-to-Image Generation

把文本到图像生成中的空间推理外化为可编辑的3D网格场景，再渲染回图像域作为身份保持线索，为可控生成提供了一条不依赖2D布局、支持3D编辑且编辑结果能可靠传导到最终图像的思路。