摘要
从开放式文本生成大规模、可自由探索的3D世界仍具挑战,需兼顾全局空间一致性、丰富的局部内容及可编辑资产。本文提出WorldClaw,一种全智能体、由粗到细的开放世界3D场景生成框架。规划智能体将文本提示转化为区域、地形、资产、材质及空间关系的结构化规范。随后,系统构建全局一致的地形基础,并在细节密集区域生成地形条件组合、重建可编辑纹理网格并恢复其在地形上的位置;渲染智能体进一步细化地形、物体、外观及接触关系。实验表明,WorldClaw能生成具有连贯空间组织、视觉吸引力局部内容且保持全局地形结构一致的3D场景。
AI 推荐理由
论文核心提出基于Agent的规划机制,将文本转化为结构化空间规范,是生成流程的关键驱动。
研究机构
Tencent Hunyuan
论文信息