**在Blender中思考：基于视觉语言模型的分阶段可执行逆向图形学**

_Thinking in Blender: Staged Executable Inverse Graphics with Vision-Language Models_

> 该研究探索了如何利用预训练的视觉语言模型（VLM），仅从单张图像直接执行可编辑的逆向图形学任务，无需依赖专门的2D或3D基础模型。研究提出了分阶段可执行逆向图形学（SEIG）框架，它通过在Blender的可执行代码空间中逐步细化几何、材质、合成和光照等因素，从单张图像重建3D场景。实验表明，这种分阶段重建方法显著提高了重建保真度，证明了任务分解对于使用通用VLM执行逆向图形学的重要性。此外，论文展示了重建的可编辑Blender场景在多种下游应用中的潜力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.02580)