知识卡片：InfiniDream——用程序化生成构建开放式逼真3D世界

一句话结论

InfiniDream 是一个由视觉语言模型（VLM）驱动的程序化3D世界生成框架，通过“符号约束资产生成”与“端到端文本到世界”两阶段设计，试图在保持可编辑性与种子多样性的同时，生成超越预定义工厂/API限制的新颖逼真3D资产与大规模场景。

事件概述或研究问题

程序化生成在合成数据创建与游戏开发中具有可控性、可编辑性和多样性优势，优于静态网格表示。但现有方法存在两端困境：基于VLM的代码生成往往只能产出较简单的3D资产；而精细的逼真程序化系统需要大量人工开发。已有的VLM引导程序化方法大多受限于预定义的工厂与API，难以创建新颖的资产类型。论文提出的研究问题是：能否让VLM驱动的程序化生成走向开放式，生成新颖且逼真的3D资产与大规模世界？

方法/产品要点

• 符号约束资产生成（Symbolically Constrained Asset Generation）：利用已有程序化算法生成新颖、逼真的资产，同时保留可编辑性与基于种子的多样性。
• 端到端文本到世界流水线：结合语义场景规划与“确定性视锥引导网格放置”（Deterministic Frustum-Guided Grid Placement），构建具有精确物体放置、程序化填充与动画的大规模3D世界。
• 评估设置：在100个物体生成任务与20个场景生成任务上进行广泛评估，覆盖四项感知指标；并辅以多样性分析、消融实验与人类偏好评估。
• 项目页面：https://yichuanh.github.io/infinidream-page/

主要结果或产业意义

论文摘要称，在100个物体与20个场景生成任务上，方法在四项感知指标上均有提升；多样性分析、消融研究与人类偏好评估进一步验证了框架有效性。具体指标数值、对比基线名称与提升幅度未在摘要中给出，待核实。产业意义上，若能成立，这类方法可同时服务于合成数据创建与游戏/虚拟世界构建，兼顾程序化资产的可编辑性与VLM的开放式生成能力。

为什么重要

现有VLM引导的程序化方法受限于预定义工厂与API，资产类型难以扩展；而纯VLM代码生成又偏向简单资产。InfiniDream 的增量在于把“符号约束”引入资产生成环节，并用确定性视锥引导的网格放置把单资产生成扩展到大规模场景，从而在开放式资产类型与大规模世界构建之间搭桥。对关注基础模型用于3D内容生产、合成数据与游戏开发的读者，这一方向值得跟踪。

局限与不确定性

• 摘要未披露四项感知指标的具体名称、数值与对比基线，实际提升幅度待核实。
• “开放式”的具体边界（能覆盖多少未见资产类别、失败率如何）待核实。
• 人类偏好评估的规模、被试构成与统计显著性待核实。
• 大规模场景的生成效率、显存/计算开销与可编辑性在实践中的表现待核实。
• 论文为arXiv预印本（v1，2026-10-19），未经同行评审，结论稳定性待核实。

可用于图书/PPT/简报的角度

• “从预定义工厂到开放式程序化生成”：VLM+程序化算法如何突破API约束。
• “符号约束”作为连接神经生成与程序化可控性的中间层。
• 文本到大规模3D世界的流水线拆解：语义场景规划 + 确定性视锥引导网格放置。
• 合成数据与游戏开发的双用场景：可编辑性、种子多样性与逼真度之间的权衡。
• 评估范式：感知指标 + 多样性分析 + 消融 + 人类偏好四件套。

与既有脉络的关系

本卡片与“关系感知的开放词汇3D场景理解”同属3D场景方向，但后者侧重理解/识别，本条侧重生成与构建；与“GAMUT”等长文本生成基准无直接事实重叠。若后续出现VLM引导程序化生成的相关卡片，本条可作为“符号约束+视锥引导放置”这一技术路线的起点记录。

原始材料

• 标题：InfiniDream: Open-Ended Photorealistic 3D Worlds Through Procedural Generation
• 作者：Yi-Chuan Huang, Hao-Jen Chien, Zheng-Hui Huang, Yu-Lun Liu, Kaipeng Zhang, Zhixiang Wang
• arXiv ID：2610.26853v1（cs.CV）
• 发布/更新：2026-10-19T17:59:51Z
• 摘要页：https://arxiv.org/abs/2610.26853v1
• PDF：https://arxiv.org/pdf/2610.26853v1
• 项目页：https://yichuanh.github.io/infinidream-page/
• 关键词：procedural generation; VLM-driven; 3D world generation; text-to-world; symbolically constrained asset generation; frustum-guided grid placement