arXiv · Agent
PhotoFlow 提出 Agentic 3D 虚拟摄影任务与方法
PhotoFlow 将虚拟摄影定义为一项 agent 任务：进入无预设相机位姿的 3D 场景后，agent 需根据场景语义和自然语言指令自行推断拍摄意图，选择可执行的相机参数并渲染照片。该方法利用视觉语言模型理解场景构成与用户描述，在多个室内外场景中实现了与人类摄影师意图对齐的自动取景。
- 域名
arxiv.org- 评分
- 4 · 重要更新
- 发布
- 2026-05-22
导读
这条暂时没有深度导读，点上方「访问项目本体」直接到源页面查看。
原文摘要
Virtual photography asks an agent to enter a prepared 3D scene with no preselected camera pose or reference image, infer a suitable shot from scene information and a language intent, choose executable camera parameters, and render the final photograph. Recent progress in vision-language models make…