**Mira-Scene：以像素对齐布局实现生成式3D场景重建**

_Mira-Scene: Pixel-Aligned Layouts for Generative 3D Scene_

> 单图3D物体生成已能产出高保真资产，但将它们准确放入连贯的场景布局仍是难题：整体式方法牺牲物体级细节，组合式方法虽保留物体精度，却用稀疏、无界的姿态变量表示布局，难以学习且泛化差。Mira-Scene 提出用密集、有界的对应关系恢复替代稀疏姿态回归。其核心是“规范坐标图”（CCM）——一种像素对齐场，把每个可见物体像素映射到该物体有界规范空间中的表面坐标；与单目几何估计得到的场景空间点云图（PCM）配合，可导出密集的规范空间—场景对应关系，再通过鲁棒几何对齐恢复物体变换。由于 CCM 在有界规范空间中运作，它提供了稳定的预测目标，可用可扩展的物体级3D数据训练，无需场景级布局标注。该框架还引入多模态扩散Transformer，联合生成物体几何与 CCM，通过模态专属专家流加共享注意力与位置编码提升几何—布局一致性。在室内、室外、合成及真实场景实验中，Mira-Scene 的布局精度大幅超越强基线，相较 SAM3D 在 3D-IoU 上相对提升 39.8%、2D-IoU 提升 16.5%，且仅使用有限的开源训练数据。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.23796)