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