ImmerseGen：字節(jié)跳動(dòng)和浙江大學(xué)聯(lián)合開發(fā)的3D場(chǎng)景生成框架

ImmerseGen于2025-06-21發(fā)布在Ai產(chǎn)品

ImmerseGen是什么？

ImmerseGen是字節(jié)跳動(dòng)和浙江大學(xué)聯(lián)合開發(fā)的3D場(chǎng)景生成框架，它利用代理引導(dǎo)和RGBA紋理合成技術(shù)，根據(jù)用戶提供的文字描述，比如“生成一個(gè)秋天的自然景色”，生成真實(shí)感十足的VR場(chǎng)景，尤其適合實(shí)時(shí)渲染VR頭顯，用戶對(duì)復(fù)雜資產(chǎn)的依賴大大減少，同時(shí)保證了場(chǎng)景的多變性和真實(shí)感。

ImmerseGen：字節(jié)跳動(dòng)和浙江大學(xué)聯(lián)合開發(fā)的3D場(chǎng)景生成框架.webp

功能亮點(diǎn)

輕量高效：分層幾何代理和RGBA紋理合成，實(shí)現(xiàn)高效率場(chǎng)景建模。
自動(dòng)生成：結(jié)合地形條件紋理和視覺語言模型（VLM），實(shí)現(xiàn)高自動(dòng)化程度的VR場(chǎng)景生成。
視覺感受佳：在能保證逼真度、空間一致性、渲染效率方面，領(lǐng)先于已知技術(shù)。
適用面廣：移動(dòng)VR設(shè)備均適用，為相關(guān)領(lǐng)域提供高質(zhì)量的3D場(chǎng)景生成方案。

方法流程

基礎(chǔ)地形：基于用戶輸入，檢索基礎(chǔ)地形，然后地形條件紋理合成RGBA地形紋理、天空盒，形成基礎(chǔ)世界。
輕量資產(chǎn)：用VLM選擇合適模板，設(shè)計(jì)資產(chǎn)提示，確定場(chǎng)景內(nèi)資產(chǎn)布局，資產(chǎn)通過上下文豐富的RaystexturedComposite實(shí)例化為alpha-textured資產(chǎn)。
多模態(tài)沉浸感增強(qiáng)：基于動(dòng)態(tài)視覺效果和環(huán)境音，進(jìn)一步增強(qiáng)沉浸感。

應(yīng)用實(shí)例

VR和AR：用于游戲開發(fā)、虛擬旅游、教育培訓(xùn)，為場(chǎng)景、關(guān)卡快速生成提供沉浸式體驗(yàn)。
建筑房地產(chǎn)：應(yīng)用于虛擬看房、建筑設(shè)計(jì)，方便客戶理解、反饋3D模型。
影視動(dòng)畫：用于特效制作和場(chǎng)景設(shè)計(jì)，減少拍攝需求，提供視覺效果。
社交媒體和內(nèi)容創(chuàng)作：提供虛擬背景和高質(zhì)量的3D場(chǎng)景，用于虛擬視頻通話、直播、內(nèi)容創(chuàng)作。
模擬和訓(xùn)練：用于軍事訓(xùn)練、醫(yī)療培訓(xùn)，研發(fā)逼真的戰(zhàn)場(chǎng)、醫(yī)療空間。
零售電子商務(wù)：生成虛擬商店和商品3D模型，提高購物體驗(yàn)、商品展示效果。

常見問答

1. ImmerseGen是怎么實(shí)現(xiàn)高效的VR場(chǎng)景生成的？

答：分三步走；生成基礎(chǔ)世界，使用代理引導(dǎo)技術(shù)進(jìn)行資產(chǎn)設(shè)計(jì)、布局，最后通過動(dòng)態(tài)效果和環(huán)境音增強(qiáng)沉浸感。關(guān)鍵是用alpha紋理代理代替復(fù)雜資產(chǎn)，降低計(jì)算復(fù)雜度，支持VR頭顯實(shí)時(shí)渲染。

2. 資產(chǎn)代理，有何用處？

答：資產(chǎn)代理基于視覺語言模型（VLM），選擇合適模板，為資產(chǎn)生成提示詞、確定水平剖面，保證資產(chǎn)與上下文的相融性，自動(dòng)進(jìn)行資產(chǎn)設(shè)計(jì)與排列。

3. ImmerseGen相比經(jīng)典VR場(chǎng)景生成技術(shù)，有何優(yōu)點(diǎn)？

答：經(jīng)典技術(shù)依賴復(fù)雜的3D資產(chǎn)，而ImmerseGen用代理引導(dǎo)的alpha紋理代理，大幅度降低了復(fù)雜資產(chǎn)的依賴性，同時(shí)用地形條件紋理合成等，保證場(chǎng)景的真實(shí)性、場(chǎng)景的多樣性，支持在VR頭顯下完成實(shí)時(shí)渲染，提高用戶體驗(yàn)流暢度。