LLM Agent 3D Scene Understanding Trajectory Planning Spatial Reasoning
摘要

本文提出 CinemaTraj 框架,将基于自然语言描述的 3D 场景电影级相机轨迹生成重构为语言落地的空间推理问题。该方法利用结构化 3D 场景图作为空间先验,使 LLM Agent 能将用户提示分解为一系列原子电影运动(如推拉、环绕、升降等)。每个运动通过新型参数化轨迹表示实例化,兼具表现力与避障优化能力。此外,系统还能生成与相机运动同步的旁白和字幕。在 ScanNet++ 环境中的评估表明,该方法在提示对齐度、轨迹质量及安全性方面均优于现有方法。

AI 推荐理由

论文核心是将相机轨迹生成重构为语言落地的空间推理与规划问题,Agent 负责分解提示并生成多步运动计划。

研究机构
Technical University of Munich Huawei Dresden Research Center Munich, Germany
论文信息
作者 Qianru Li, Xuyang Chen, Erkin Türköz, Lu Liu, Xuqin Wang et al.
发布日期 2026-07-29
arXiv ID 2607.26910
相关性评分 9/10 (高度相关)