SceneCritic: Symbolischer Evaluator für 3D-Innenraumszenen überwindet KI-Bewertungsprobleme
Forscher stellen SceneCritic vor, einen symbolischen Evaluator für 3D-Innenraumszenen, der die Probleme von LLM/VLM-basierten Bewertungen löst. Das System nutzt eine strukturierte räumliche Ontologie (SceneOnto) aus realen Datensätzen und kann semantische, geometrische und orientierungsbezogene Kohärenz objektiv bewerten.
Einordnung
SceneCritic adressiert ein wichtiges Problem bei der Bewertung von KI-generierten 3D-Szenen: Aktuelle LLM/VLM-basierte Evaluatoren sind instabil und von Blickwinkel, Prompt-Formulierung und Halluzinationen abhängig. Der neue Ansatz bietet objektive, symbolische Bewertung durch eine aus realen Datensätzen (3D-FRONT, ScanNet, Visual Genome) konstruierte räumliche Ontologie.
Die Forschung zeigt bedeutsame Erkenntnisse: Text-basierte LLMs können VLMs bei semantischen Layout-Aufgaben übertreffen, während bild-basierte VLM-Verfeinerung am effektivsten für semantische und Orientierungskorrekturen ist. Dies könnte die Entwicklung zuverlässigerer 3D-Szenegenerierung erheblich vorantreiben.