WorldCraft是什么
WorldCraft是香港科技大学推出的基于大型语言模型（LLM）代理的3D世界创建和定制系统，用在创建和定制逼真的3D虚拟世界。基于自然语言交互，让用户能轻松生成复杂的室内外场景，对场景中的物体和布局进行精细调整。WorldCraft由三个核心模块组成：ForgeIt用在单个物体的定制，基于程序化生成实现精确的几何和纹理控制；ArrangeIt负责场景布局的生成，基于分层数值优化实现功能性和美学的平衡；轨迹控制模块支持用户用对话控制物体运动和相机轨迹，生成动画和视频。WorldCraft兼容现有的深度3D生成器，丰富场景资产，让非专业人士高效实现创意设计。
WorldCraft的主要功能
- 自然语言交互：用户基于简单的文本指令或对话形式，创建和定制复杂的3D场景，无需专业的3D建模技能。
- 单个物体定制：用户能精确控制物体的几何形状、纹理和材质，实现个性化设计。
- 场景布局生成：根据用户的设计意图（如功能性和美学要求），生成合理的物体布局。
- 场景动画控制：用户基于自然语言描述物体或相机的运动轨迹，生成动画和视频。
- 兼容性与扩展性：系统支持与现有的深度3D生成器（如Infinigen）结合，丰富场景资产，提升视觉效果。
WorldCraft的技术原理
- 协调代理（Coordinator Agent）：管理整个3D场景生成流程，将复杂任务分解为多个子任务，协调其他代理模块完成任务。支持用户与系统的多轮交互，实时调整生成结果。
- 单个物体生成与定制：基于LLM代理操作程序化生成器（如Infinigen），用自然语言指令生成具有精确几何形状和PBR纹理的3D物体。基于自动验证机制构建动态增长的手册，指导代理完成复杂的生成任务，支持多轮对话编辑。
- 场景布局优化：将场景布局问题建模为分层数值优化问题，基于模拟退火算法求解最优布局。支持用户用自然语言描述布局需求，将设计意图转化为优化目标和约束条件。
- 轨迹控制模块：基于ChatCam扩展，支持用户用自然语言描述物体或相机的运动轨迹。将轨迹描述转化为具体的运动命令，实现场景动画的生成。
- 深度3D生成器集成：系统兼容现有的深度3D生成器，用于引入艺术化的物体和丰富场景细节。基于程序化生成和深度生成的结合，提升场景的视觉质量和多样性。
WorldCraft的项目地址
- arXiv技术论文：https://arxiv.org/pdf/2502.15601
WorldCraft的应用场景
- 建筑设计与室内设计：快速生成建筑概念模型和虚拟样板间，基于自然语言定制室内布局和风格，优化设计流程并提升客户体验。
- 影视与娱乐：创建虚拟电影场景、游戏关卡和动画电影中的复杂场景，降低实景搭建成本，为虚拟现实（VR）和增强现实（AR）体验提供高度逼真的虚拟环境。
- 教育与培训：设计虚拟实验室、历史场景、地理环境和医疗培训场景，基于沉浸式体验增强学习效果，支持远程教育和专业技能培训。
- 产品设计与展示：快速生成产品概念模型和虚拟展厅，展示家具、汽车、电子设备等产品的设计，支持个性化定制和虚拟广告场景的创建。
- 文化与艺术：创建虚拟博物馆、艺术展览、历史建筑和文化节日场景，重现文化遗产，为艺术创作和文化体验提供沉浸式空间。