Aioga
AI资讯 / 行业动态
返回 AI资讯

LEGO-Anything研究:编码智能体可将单张照片转成可执行Blender 3D场景程序但几何自评接近随机

The Decoder:AI NewsAioga 编辑团队2026-10-03T08:31:04.000Z热度 58

LEGO-Anything让编码智能体从单张图像迭代编写可执行的Blender场景程序,并推出LEGO-Bench基准(208张图像、104个场景、443个注册资产),用仿真渲...

行业动态The Decoder:AI News

今日 AI 情报摘要

LEGO-Anything让编码智能体从单张图像迭代编写可执行的Blender场景程序,并推出LEGO-Bench基准(208张图像、104个场景、443个注册资产),用仿真渲染提供精确3D真值。

中文正文 · AI 翻译

编码代理可以通过逐步编写和优化代码,从单张照片构建可编辑的三维场景。随本研究附带的基准测试揭示了该过程仍然存在的问题:自我评估和几何精度。

Image description

从单张照片进行三维重建最有用的情况是它存在于一个可执行程序中,你可以检查、编辑和查询程序。这就是马里兰大学和 AWS 研究人员的 LEGO-Anything 项目的前提。

LEGO-Anything overview showing how a coding agent converts a single photo into an executable Blender program for editable 3D scenes

这种方法被称为“图像到代码”。编码代理接收一张图像,编写 Blender(广泛使用的 3D 软件)的代码。代理不是一次性生成场景,而是通过迭代工作:编写代码,运行代码,观察结果,并不断修改,直到场景与原图匹配。

由于输出是一个程序,它会明确地捕捉对象、几何、布局和相机位置。你可以像处理其他代码一样运行、检查和修改场景。

为了衡量代理的性能,团队引入了 LEGO-Bench。它包含来自 104 个室内和室外场景的 208 张图像,并使用了 443 个注册资产。

研究人员表示,真实照片无法提供可精确比较的三维真实值:https://lego-anything.com/。简单的合成场景看起来不真实。因此,LEGO-Bench 通过从专业构建的模拟器场景中渲染图像来折中处理。输入看起来很自然,而精确的几何、深度和对象分配保持隐藏,并作为自动评分的答案键。可以在不改变光照或相机设置的情况下增加场景复杂度。

LEGO-Bench evaluation metrics for validity, geometric accuracy, and visual similarity

该基准在三个轴上对每个场景进行评分:有效性检查是否交付了可用的场景工件;重建度量可见几何的准确性;外观通过重新渲染提交的场景并逐像素与参考图像比较,以衡量外观与原图的匹配程度。

所有六种测试的 GPT 配置几乎每次都能生成一个可用场景。然而,准确性差异很大。GPT-6 Astra 是测试过的表现最好的模型,在室内场景中达到了 53.4%,在室外场景中达到了 39.6%。较弱的配置得分约为 15%。

Reconstruction examples comparing GPT-6 Astra output to reference images and older models

场景越复杂,准确性下降得越多,户外场景比室内场景更难。当研究人员增加模型的推理预算时,GPT-6变体的表现有了很大提升。Astra在办公测试子集上的得分从32.3%跃升至61.8%。

为了理解原因,研究人员分析了代理的工作步骤。他们发现最常见的问题是初次尝试效果差、修订撤销了之前的进展以及不可靠的自我评估。

Regression example where GPT-6 Astra degrades its own scene from 33.9 to 4.4 percent late in the process

最后一点最能说明问题。当模型必须选择两个版本中哪个更符合原始场景时,它们的几何判断几乎或低于随机水平。代理基本无法判断其自身场景是否有所改善。研究人员得出结论,改进应依赖于具体测量,而不是代理自身的判断。

Heatmap showing model judgment accuracy on geometry near chance level

这一见解促使作者构建了LEGO-Plugin,一个无需额外训练的扩展。它将起始场景锚定在参考图像中,用具体测量代替不可靠的自我判断,并保护正确进展不被倒退修改。该插件改善了所有六个模型。较弱的代理获益最大,提升高达62.7%。已经强大的顶级模型仅获得约两个百分点的提升。

最后,团队测试了重构场景是否可以作为标准视觉任务的基础。由于每个场景都是可执行程序,因此可以直接从中提取对象检测、分割和深度估计。

无需任何额外训练,场景在三个任务中都产生了可用但不出色的结果。对象检测表现最好,重构场景的性能约达到专用模型DINO的一半:https://the-decoder.com/meta-makes-its-state-of-the-art-dinov3-image-analysis-model-available-for-commercial-projects/。对于分割和深度估计,与SAM 3:https://the-decoder.com/metas-sam-3-segmentation-model-blurs-the-boundary-between-language-and-vision/ 和 Depth Anything 3等专用模型的差距更大。作者表示,当前编码代理生成的可执行场景程序显示出潜力,但还不够精确。从可用结果到忠实重建之间仍存在很大差距。

GPT-6 Astra 在 LEGO-Bench 的领先地位与其他观察结果一致。AI 研究员 Yoav Artzi 认为该模型在空间理解方面取得了重大飞跃,并怀疑它是通过大量 3D 数据(如 Blender 场景)训练的:https://the-decoder.com/gpt-6-astra-appears-to-show-a-step-change-in-spatial-reasoning-based-on-early-benchmarks/。3D 软件制造商已经在为这类智能体做准备。Unity 发布了针对 Claude Code 和 Codex 的官方插件:https://the-decoder.com/unity-launches-official-plugins-for-claude-code-and-openai-codex-to-stop-ai-agents-from-using-outdated-tutorials/。其他方法则完全跳过编码,直接在模型内部重建场景,例如 World Labs 的 Atlas 世界模型:https://the-decoder.com/world-labs-unveils-atlas-a-single-ai-model-that-generates-reconstructs-and-simulates-3d-worlds-from-just-a-few-photos/。Google Deepmind 则采用另一种路线,使用视频模型进行深度估计和分割的 GenCeption:https://the-decoder.com/google-deepmind-argues-video-generators-already-contain-the-world-models-computer-vision-has-been-missing/,其性能可与专用模型匹敌。

保持对 AI 的关注。清晰、有用,无废话。

关注 The Decoder 获取 AI 新闻、背景故事和专家分析。

解码器:https://the-decoder.com/

情报判断

Aioga 编辑摘要

Aioga 编辑摘要:LEGO-Anything让编码智能体从单张图像迭代编写可执行的Blender场景程序,并推出LEGO-Bench基准(208张图像、104个场景、443个注册资产),用仿真渲染提供精确3D真值。 Aioga 将其归入「行业动态」方向,重点关注它对真实使用和行业竞争的影响。

背景分析

背景分析:模型与研究类动态需要结合能力边界、开放方式、成本、可用性和真实任务表现判断,单项指标领先不等于已经形成稳定采用。

Aioga 观点

Aioga 判断:这条动态更适合作为行业观察信号,当前信息足以建立线索,但不足以推导长期结论。

影响与后续

影响分析:对相关团队而言,短期应先核对来源、可用范围和实际成本,再判断是否值得接入或跟进。 后续观察:继续观察官方文档、实际可用性、价格变化、开发者反馈和竞品回应。

来源与版权说明

本页正文由公开来源页面提取并按原有信息整理,同时保留来源、发布时间和原文入口。版权归原作者及来源网站所有,请通过原文链接核验和阅读来源版本。

抓取通道: 摘要聚合 · 原始域名: the-decoder.com

来源: The Decoder:AI News

原文链接: 打开原始来源

Aioga 归档: 查看情报页

Content record: source-page · Updated: 2026-10-03T08:31:04.000Z

API 中转站
API RELAY · DEVELOPER INFRASTRUCTURE

API 中转站

统一接入主流 AI 模型 API,为开发、测试与生产环境提供稳定调用入口。

立即访问 api.w173.com
AIOGA SHARE POSTER

分享这篇 AI 情报

LEGO-Anything让编码智能体从单张图像迭代编写可执行的Blender场景程序,并推出LEGO-Bench基准(208张图像、104个场景、443个注册资产),用仿真渲...

The Decoder:AI News2026-10-03T08:31:04.000Z
扫码打开文章详情扫码直达文章详情

Aioga 自动聚合全球 AI 动态,并保留来源信息用于核验与引用。