组合式 3D 场景生成流程图（可编辑 PPT）

概览

这张可编辑的 PowerPoint 流程图展示了一个考虑物理关系、逐个物体生成的 3D 场景生成流程。图稿依据 CC BY 4.0 许可，改编自论文原图。

图中内容

左侧，输入场景经过 VLM 推理，得到一张物理关系图，包含堆叠（Stack）、倚靠（Lean）、接触（Touch）和容纳（Contain）四种关系。中间，物体按拓扑顺序依次生成，依次经过 SS 生成、SLAT 生成和解码器，逐步构建出场景 1 到场景 N。右侧是物体交互感知的生成面板，其中有两组注意力堆叠（自注意力、交叉注意力、V2I 注意力和逐 token 注入）及其输入标签，旁边还有位姿对齐（Pose-Alignment）和物体交互（Object-Interaction）两个侧面板。面板、模块、梯形解码器、关系箭头、路由线、循环图标和所有标签都是原生形状，可以直接改成你需要的样式。

文件格式

下载文件为单页 .pptx，尺寸 11.60 × 5.14 英寸，可在 PowerPoint、Keynote、WPS 和 LibreOffice Impress 中打开。Google 幻灯片也能打开，但版式可能会有细微偏移。另附全分辨率的 preview.png 和一张 1200 px 宽的网页预览图。

形状与编辑

文件共含 227 个元素：205 个原生可编辑形状（73 个自选图形、75 条线条或连接符、42 个文本框、15 条自由曲线）和 22 张嵌入位图。所有文字都能编辑，包括竖排标签和数学标注（c_depth、c_img、c_int、p(x)、u(x)、q(x)、n(x)）；每个面板和卡片、输入标签、注意力模块、梯形解码器、场景 2 的虚线框与放大线、关系图箭头、拓扑顺序路由线、×N 循环图标，以及反投影视锥和立方体线框也都可以修改。

嵌入图片与字体

22 张嵌入的 PNG 图片均为透明背景，包括：输入场景照片、各个物体的渲染图（收音机、尤克里里、磁带、盒子、眼镜等）、组合后的场景 1、2 和 N 的渲染图、稠密与稀疏噪声体素、稀疏结构和物体网格渲染图、位姿对齐面板中的点云背景、空间上下文光晕图，以及 c_int 网格渲染图。这些图片清晰度较高（约每英寸 300–400 像素），可以移动、缩放或替换，但不能像矢量形状那样改色或变形。文字使用 Calibri 和 Cambria；缺少的字体会被替换，个别标签可能需要微调。原图中的框架标题已改为通用的 “Framework Overview”。这是为方便复用而忠实重绘的版本，并非论文作者的原始源文件。