最近，研究人员通过一项名为 SceneDreamer 的新方法，实现了从 2D 图像集合生成无限制 3D 场景，该方法能够跨不同风格合成多样化的景观，具有 3D 一致性、明确的深度和自由相机轨迹。
该方法的研究团队来自 Google Research、UC Berkeley 和 Carnegie Mellon University，他们的论文已经发表在计算机视觉领域的顶级会议 CVPR 2021 上。
以前的 3D 场景生成方法依赖于精确的深度图或粗略的几何模型，而 SceneDreamer 则采用了一种基于神经网络的无监督学习方法，从 2D 图像集合中自动学习 3D 场景的表示。这使得 SceneDreamer 可以处理来自“野外”的大规模图像数据，并生成具有高度多样性和真实感的 3D 场景。
为了验证 SceneDreamer 的性能，研究团队进行了一系列实验，并将其与现有的 3D 场景生成方法进行比较。实验结果表明，SceneDreamer 能够生成高质量的 3D 场景，具有更好的多样性和可扩展性。
SceneDreamer 的代码已经开源，欢迎对该项目感兴趣的开发者访问其官方网站（https://scene-dreamer.github.io/）查看详情。