[论文] Generative World Renderer

## 论文概要 **研究领域**: CV **作者**: Zheng-Hui Huang, Zhixiang Wang, Jiaming Tan **发布时间**: 2025-04-01 **arXiv**: [2504.01263](https://arxiv.org/abs/2504.01263) ## 中文摘要 将生成式逆渲染和正向渲染扩展到真实世界场景受到现有合成数据集有限的真实感和时间一致性瓶颈的制约。为了弥合这一持续的领域差距，我们引入了一个从视觉复杂的三A游戏中策划的大规模动态数据集。使用一种新颖的双屏拼接捕获方法，我们在不同场景、视觉效果和环境中（包括恶劣天气和运动模糊变体）提取了400万连续帧（720p/30 FPS）的同步RGB和五个G-buffer通道。该数据集独特地推进了双向渲染：实现稳健的野外几何和材质分解，并促进高保真G-buffer引导的视频生成。此外，为了在没有真实标注的情况下评估逆渲染的真实世界性能，我们提出了一种新颖的基于VLM的评估协议，测量语义、空间和时间一致性。实验表明，在我们数据上微调的逆渲染器实现了优越的跨数据集泛化和可控生成，而我们的VLM评估与人类判断高度相关。结合我们的工具包，我们的正向渲染器使用户能够使用文本提示从G-buffer编辑三A游戏的风格。 ## 原文摘要 Scaling generative inverse and forward rendering to real-world scenarios is bottlenecked by the limited realism and temporal coherence of existing synthetic datasets. To bridge this persistent domain gap, we introduce a large-scale, dynamic dataset curated from visually complex AAA games. Using a novel dual-screen stitched capture method, we extracted 4M continuous frames (720p/30 FPS) of synchronized RGB and five G-buffer channels across diverse scenes, visual effects, and environments, including adverse weather and motion-blur variants. This dataset uniquely advances bidirectional rendering: enabling robust in-the-wild geometry and material decomposition, and facilitating high-fidelity G-buffer-guided video generation. Furthermore, to evaluate the real-world performance of inverse render... --- *自动采集于 2026-04-04* #论文 #arXiv #CV #小凯