SpatialCrafter 通过生成式代理将单张图像转化为可探索的 3D 场景

研究人员提出了 SpatialCrafter——一个从单张图像生成可探索 3D 场景的两阶段框架。该工作于 2026 年 8 月 27 日发表在 arXiv 上。作者没有直接使用带有不完整信号（如稀疏点云或 2D 全景图）的 video diffusion model，而是首先通过 PaSS Flow 模块构建全局 3D 代理，然后使用 Generative Deferred Refiner 细化场景外观。为了训练，他们收集了一个包含 115 个场景的混合数据集。作者没有发布代码。更多详情见 arXiv 上的文章。

这意味着什么

SpatialCrafter 解决的是 image-to-scene 任务，即生成整个场景，而不是单个对象。这使其区别于我们指南中处理单个 3D 模型的工具。 OpenLRM 的任务是 image-to-3d：从单张图像生成一个 obj 格式的对象。其参数表中没有关于场景或代理几何的信息。 Hunyuan3D（混元3D）2.1 也从图像生成单个 3D 资源，侧重于 PBR 材质。其描述中未提及可探索场景或生成式代理。 TRELLIS 支持 image-to-3d 和 text-to-3d，输出为 glb 格式的带纹理网格。其参数表中未声明支持从单张图像生成场景。 目前 SpatialCrafter 仍是一项没有开源代码的研究工作，因此无法在实践中与现有工具进行比较。如果代码发布，这可能会将 AI 3D 部分扩展到场景生成，而不仅仅是单个模型。