Scene-Designer aprende a projetar e criticar cenas 3D a partir de texto com 50 mil exemplos

Inteligência de design para cenas 3D a partir de texto

Criar cenas 3D completas, coerentes e verdadeiramente utilizáveis a partir de um texto simples exige uma habilidade específica — o que os pesquisadores chamam de "inteligência de design". Trata-se da capacidade não só de projetar cenas, mas também de avaliar sua qualidade. As abordagens existentes ou dependem de modelos de propósito geral sem experiência especializada em design, ou são treinadas apenas com cenários estáticos.

Uma equipe de pesquisadores apresentou o Scene-Designer, um framework agêntico que desenvolve essas duas capacidades complementares simultaneamente, usando exemplos tanto de design quanto de crítica. A ideia central: o modelo não apenas gera cenas 3D, mas desenvolve em paralelo a capacidade de avaliá-las, criando um sistema de melhoria em ciclo fechado.

Dois datasets: design e crítica

Para treinar o modelo, os pesquisadores criaram dois datasets especializados:

Scene-OTA-35K contém 35 mil exemplos voltados para treinar a construção eficiente de cenas e a correção de erros durante sua criação.

Scene-OTC-15K inclui 15 mil exemplos para treinar a crítica da qualidade das cenas segundo três critérios:

• Validade física — a lógica no posicionamento dos objetos no espaço e sua posição relativa entre si
• Correção funcional — se a cena corresponde à sua finalidade e os objetos interagem corretamente
• Consistência de layout — disposição harmoniosa e equilibrada de todos os elementos

Scene-GRPO: o crítico como força-guia

Para otimizar o processo de design, os autores propõem o Scene-GRPO, um framework guiado por um crítico baseado no GRPO (Generative Reward Policy Optimization). Essa abordagem usa pontuações de qualidade para direcionar o modelo a melhores decisões de design, ao mesmo tempo que reduz o número de iterações e correções de erros inúteis.

Resultados: 89% e superioridade sobre o GPT-5.2

Os experimentos demonstraram a vantagem dupla do Scene-Designer — tanto na qualidade das cenas 3D geradas quanto na capacidade de criticá-las:

Comparação par a par de cenas — o Scene-Critic atingiu 89% de precisão ao escolher a melhor entre duas cenas

Ranqueamento de quatro cenas — o modelo apresentou 76% de precisão ao ordenar quatro variantes por qualidade

Superioridade sobre o GPT-5.2 — as métricas obtidas superam as desse modelo de referência

Esses resultados mostram que o framework não apenas gera boas cenas 3D, mas de fato desenvolveu a habilidade de avaliá-las — exatamente o raciocínio de design necessário para um trabalho de qualidade. A combinação de dois datasets especializados (35 mil exemplos de design e 15 mil de crítica) com a abordagem guiada pelo crítico Scene-GRPO resultou em um modelo capaz de superar soluções anteriores nessa área.