[논문리뷰] CGGS: Consistency-Augmented Geometric Gaussian Splatting for Ego-centric 3D Scene Generation본 연구는 기존 ego-centric 3D 생성 모델들이 시점 변화에 따른 심각한 Consistency 저하 및 기하학적 왜곡 문제를 겪고 있다는 점을 해결하고자 한다.#Review#3D Scene Generation#Gaussian Splatting#Ego-centric#Consistency#Geometry#Generative Modeling2026년 7월 7일댓글 수 로딩 중
[논문리뷰] SynCity 3000: Bootstrapping Scene-Scale 3D Diffusion본 논문은 기존의 3D 장면 생성 모델이 지닌 규모 확장성과 일관성 문제를 해결하기 위해 SynCity 3000을 제안한다. 기존 연구들은 주로 단일 오브젝트 생성에 특화되어 있거나, 장면을 독립적인 타일(tile)들의 집합으로 간주하여 생성함으로써 결과물에서 눈에 띄는 격자(grid-like) 구조적 결함을 야기한다 .#Review#3D Scene Generation#Diffusion Models#Convolutional Inference#Scene-Scale#Synthetic Data Engine#3D Gaussian Splats2026년 7월 6일댓글 수 로딩 중
[논문리뷰] PixWorld: Unifying 3D Scene Generation and Reconstruction in Pixel Space본 논문은 3D 장면 생성과 복원이라는 두 가지 이질적인 과제를 단일 픽셀 공간 프레임워크 내에서 통합적으로 해결하는 것을 목표로 합니다.#Review#3D Scene Generation#3D Scene Reconstruction#Pixel-Space Diffusion#3D Gaussian Splatting#Geometry Perception Loss2026년 7월 6일댓글 수 로딩 중
[논문리뷰] FLAT: Feedforward Latent Triangle Splatting for Geometrically Accurate Scene Generation본 논문은 기존의 Feedforward 장면 생성 모델들이 출력하는 볼륨 기반의 3D Gaussian 방식이 가지는 기하학적 한계를 극복하고자 합니다.#Review#3D Scene Generation#Triangle Splatting#Video Diffusion Models#Differentiable Rendering#Feedforward Latent Decoding#Surface Reconstruction2026년 6월 23일댓글 수 로딩 중
[논문리뷰] Sat3DGen: Comprehensive Street-Level 3D Scene Generation from Single Satellite Image본 논문은 단일 위성 이미지만으로 고품질의 3D 스트리트 뷰 장면을 생성하는 데 따르는 기하학적 정밀도 문제를 해결하는 것을 목표로 합니다.#Review#3D Scene Generation#Satellite Imagery#Feed-Forward#NeRF#Geometric Constraint#Street-Level Rendering2026년 5월 14일댓글 수 로딩 중
[논문리뷰] Extend3D: Town-Scale 3D Generation최근 3D generative model은 고품질의 3D 객체를 생성하는 데 성공했으나, 여전히 복잡한 구성의 대규모 3D 장면(Town-Scale) 생성에는 어려움을 겪고 있습니다.#Review#3D Scene Generation#Training-free#Latent Flow Model#Overlapping Patch-wise Flow#Under-noising#SDEdit#3D-aware Optimization2026년 3월 31일댓글 수 로딩 중
[논문리뷰] SAGE: Scalable Agentic 3D Scene Generation for Embodied AI본 논문은 Embodied AI 의 고비용 및 안전 문제로 인한 데이터 수집의 한계를 극복하고, 기존 장면 생성 시스템의 물리적 비유효성 및 비현실성 문제를 해결하고자 합니다.#Review#Embodied AI#3D Scene Generation#Agentic Framework#Simulation-Ready Environments#Robot Policy Learning#Large Language Models (LLM)#Physics Simulation#Data Augmentation2026년 2월 10일댓글 수 로딩 중
[논문리뷰] MesaTask: Towards Task-Driven Tabletop Scene Generation via 3D Spatial Reasoning로봇 조작 태스크를 위한 현실적이고 태스크 관련성이 높은 3D 탁상 장면(tabletop scene)을 자동으로 생성하는 것을 목표로 합니다. 기존 수동 또는 무작위 장면 생성 방식의 비효율성과 낮은 현실성을 극복하고, 고수준의 태스크 지시와 3D 장면 레이아웃 간의 큰 격차를 해소하고자 합니다.#Review#3D Scene Generation#Robotic Manipulation#Large Language Models#Spatial Reasoning#Dataset#Direct Preference Optimization#Tabletop Scene2025년 9월 29일댓글 수 로딩 중
[논문리뷰] VideoFrom3D: 3D Scene Video Generation via Complementary Image and Video Diffusion Models본 논문은 조잡한(coarse) 3D 지오메트리, 카메라 궤적, 그리고 참조 이미지를 사용하여 고품질 3D 장면 비디오를 생성하는 문제를 해결하고자 합니다.#Review#3D Scene Generation#Video Diffusion#Image Diffusion#Generative Models#Computer Graphics#Temporal Consistency#Sparse Anchor Views2025년 9월 23일댓글 수 로딩 중
[논문리뷰] SPATIALGEN: Layout-guided 3D Indoor Scene Generation고품질의 3D 실내 환경 모델을 생성하는 기존 방식의 시간 소모성 및 제한된 다양성 문제를 해결하고, 시각적 품질, 다양성, 의미론적 일관성 및 사용자 제어 사이의 균형을 맞추기 위한 연구입니다.#Review#3D Scene Generation#Layout Guidance#Diffusion Models#Multi-view Synthesis#Synthetic Dataset#Indoor Environments#Gaussian Splatting#Semantic Consistency2025년 9월 22일댓글 수 로딩 중
[논문리뷰] SceneGen: Single-Image 3D Scene Generation in One Feedforward Pass본 논문의 핵심 목표는 단일 장면 이미지와 객체 마스크를 입력으로 받아, 최적화나 에셋 검색 과정 없이 하나의 피드포워드 패스 만으로 다수의 3D 에셋(기하학적 구조, 텍스처, 공간 배치 포함)을 동시에 효율적으로 생성하는 것입니다.#Review#3D Scene Generation#Single-Image Input#Feedforward Networks#Diffusion Models#Geometric Modeling#Texture Synthesis#Transformer#Feature Aggregation2025년 8월 22일댓글 수 로딩 중
[논문리뷰] FlashWorld: High-quality 3D Scene Generation within Seconds논문은 기존 3D 장면 생성 방법론의 한계인 긴 생성 시간(수분~수시간)과 시각적 품질 저하, 3D 일관성 부족 문제를 해결하고자 합니다. 단일 이미지 또는 텍스트 프롬프트로부터 수초 내에 고품질의 3D 장면을 생성 하여 이전 방식보다 10~100배 빠른 속도 와 우수한 렌더링 품질을 달성하는 것을 목표로 합니다.#Review#3D Scene Generation#Diffusion Models#Multi-View Synthesis#3D Gaussian Splatting#Knowledge Distillation#Real-time Generation#High-Quality Rendering#Cross-modal Training2025년 10월 16일댓글 수 로딩 중