在这项工作中，我们介绍了CC3D，一种有条件的生成模型，它可以根据2D语义场景布局综合复杂的3D场景，并使用单视角图像进行训练。不同于大多数现有的3D GANs只能应用于对齐的单个对象，我们专注于通过建模3D场景的组合性质来生成具有多个对象的复杂场景。通过设计一种基于2D布局的3D综合方法，并实现一种具有更强的几何归纳偏置的新的3D场表示，我们创建了一种既高效又高质量的3D GAN，同时允许更可控的生成过程。我们在合成的3D-FRONT和实际的KITTI-360数据集上的评估表明，与之前的工作相比，我们的模型生成的场景具有更好的视觉和几何质量。
论文链接：http://arxiv.org/pdf/2303.12074v1
更多计算机论文：http://cspaper.cn/