里面的虚拟人还能顺畅导航，不带迷路的。(小声说：大平层确实需要导航) 并且场景具备连贯的几何拓扑和照片级真实感外观，智能体的导航则是在复杂空间布局中自主规划路径。 这可以说是走到哪建到哪了，那场景是怎么搭的？ AI大house真来了。 华为联合上海交通大学、华中科技大学推出了世界模型WordGrow，可以生成1800㎡超大室内场景（19x39块），单卡30分钟就跑了272㎡。 具备连贯的几何拓扑和照片级真实感外观 以前想造个像样的3D大场景，坑不少。 比如有些技术先靠2D模型画张图，再硬掰成3D，结果换完视角一看，沙发腿歪了、墙壁纹理断了…… 还有一些方法最多只能造单个房间，扩展成套房就卡壳； 更离谱的是没有布局逻辑——出现冰箱塞进卧室，床摆在厨房的情况。 现在，WorldGrow来搞装修了（bushi），用三个核心技术填坑。 第一步是先做数据精准预处理，从3D-FRONT这类大规模数据集里提取优质样本，用Blender执行场景切片，通过布尔交集对场景进行区块切分，再靠 occupancy检测确保区块内容密度（可见内容≥95%）。 同时，构建了粗、细两个数据集，粗块来确定宏观布局，细块保留纹理细节。 第二步靠 ...

技术突破 - 华为联合上海交通大学、华中科技大学推出世界模型WorldGrow，可生成1800㎡超大室内场景（19x39块），单卡30分钟生成272㎡ [1] - 生成场景具备连贯几何拓扑和照片级真实感外观，虚拟人可在复杂空间布局中自主规划路径且不迷路 [3][4] - 技术解决了传统方法视角转换导致的物体变形（如沙发腿歪斜）、纹理断裂、扩展性差及布局逻辑混乱（如冰箱塞进卧室）等问题 [7] 核心技术流程 - 数据精准预处理：从3D-FRONT数据集提取优质样本，通过Blender进行场景切片和区块切分，利用occupancy检测确保区块内容密度≥95%，并构建粗/细两级数据集分别控制宏观布局与纹理细节 [10] - 3D块补全机制：通过结构生成器确定3D框架，latent生成器重建结构化潜变量特征，结合带噪潜变量、二进制掩码等输入消除边缘断裂和纹理错位，实现无缝拼接 [11] - 粗到精生成策略：粗结构模型先规划窗户朝向、走廊连接等整体布局，再通过三线性插值上采样匹配细块分辨率，由细结构生成器补全家具纹理等细节 [12] 性能优势 - 在3D-FRONT数据集上，几何重建指标MMD（0.97×10²）、COV（51.82%）达SOTA水平，FID指标低至7.52，显著优于SynCity（FID 51.97）、BlockFusion等主流方法 [15][16][17] - 单张A100显卡30分钟生成10×10区块（约272㎡），速度达同类技术6倍，扩展至7×7块超大场景时边缘质量仍保持稳定 [16]