Roomer：針對 3D 室內佈局合成的反思性物件導向模型編輯與修復
為何重要
現有生成式 AI 佈局多注重高層結構的合理性，而忽略了細節處的物理衝突；Roomer 透過區分並修復區域性衝突，將評估標準從「看起來像」提升至「能用」，這對室內設計與建築模擬產業的技術整合與實務驗證具有重要指標意義。
針對現有 3D 室內佈局生成器容易產生區域性物理違規的問題，學界提出名為 Roomer 的修復框架，旨在識別並精確修正場景中的錯誤配置，確保最終佈局的物理合理性與可操作性。
- Roomer 將修復問題視為以物件為導向的稀疏問題，使用 RoState 與 RoReview 機制將違規處繫結至涉事物件。
- 系統包含幾何條件式 vision-language model planner 以提出結構化區域性編輯，並搭配求解器與全場景驗證來確認可行性。
- 訓練依賴受控損壞資料集 Roomer-CC，該資料集配對損壞佈局與物件導向的違規證據及已知可行的逆向 StatePatches。
- 引入新基準 Roomer-Eval，用於評估佈局的分佈品質、物理有效性以及實際使用上的可用性。