3D生成/エージェント2026/10/14arXiv:2610.23986

BlenderWorld: 実世界参照からの3D制作における視覚エージェントのベンチマーク

BlenderWorld: Benchmarking Visual Agents for 3D Creation from Real-World References

テキスト・画像・動画・仕様入力からBlenderで3Dコンテンツを制作するエージェントを評価する223タスクのベンチマークを構築し、13の最先端モデルを多視点レンダリングと2,651の二値ルーブリックで評価した。

詳しい要約

1. どんなもの？

- BlenderWorld は、実世界の参照から 3D コンテンツを生成・編集する visual agent を評価する初の包括的 benchmark - 223 タスクを含み、architecture・products・natural environments・scientific visualization をカバー - 入力は text・image・video・structured specification の多様な参照 - 提出された Blender project を複数視点から render し、2,651 のタスク固有 binary rubric と holistic visual quality score で評価する統一 protocol を整備

2. 先行研究と比べてどこがすごい？

- 既存 benchmark は実世界シナリオの open-ended な 3D 生成・編集要求のカバレッジが限定的 - BlenderWorld は 4 領域にまたがる 223 タスクと多様な入力 modality を備え、実務的 3D creation を対象とする点が新しい - 複数視点 render と 2,651 の binary rubric を組み合わせた統一評価 protocol を導入 - 13 の frontier model を比較評価した点も特徴

3. 技術・手法の肝は？

- 実世界参照（text・image・video・structured specification）から 3D 形状・material・spatial layout・lighting を推論し、指示に従い再構築・修正・設計するタスクを設計 - 提出物は Blender project として受け取り、複数視点から render - タスク固有の 2,651 binary rubric と holistic visual quality score を組み合わせて評価 - 複数指標を統合した fused score で model を順位付け

4. どうやって有効だと検証した？

- 13 の frontier model を BlenderWorld 上で benchmark - GPT-6-Astra が overall fused score 79.9 で最高、Opus-5 が 73.0、GPT-5.6-Sol が 67.7 で続く - 現行 model は broad な指示の解釈は可能だが、fine-grained 3D spatial coherence と正確な structural reproduction に大きく苦戦することを示した

5. 議論はある？

- 現行 model の critical bottleneck として、fine-grained 3D spatial coherence と Blender における正確な構造再現の困難さを指摘 - 3D-native agentics には substantial headroom が残ると結論 - 個々のタスク難易度や rubric 設計の妥当性、model 間の誤り傾向などの詳細は要旨からは不明

6. 次に読むべき論文は？

- 要旨で直接参照・比較されている個別研究は明示されていない - 関連手法として MLLM を autonomous agent 化する研究、code 生成や直接 software 操作による 3D model 作成・編集の研究、3D 生成 benchmark が次に読む候補 - 具体的な論文名は要旨からは不明

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Xinyu Fang, Yuchi Wang, Weihao Yu, Rongyao Fang, Zhaohai Li, Zhixun Li, Tiancheng Gu, Xilin Wei, Yuhang Zang, Hongsheng Li, Dahua Lin, Guofeng Zhang, Shuai Bai, Zhibo Yang, Dayiheng Liu

分類: cs.CV

原文アブストラクト

Recent advances in multimodal large language models (MLLMs) have enabled them to act as autonomous agents, creating and editing 3D models via code or direct software manipulation. In practical workflows, these models must infer object shapes, materials, spatial layouts, and lighting from diverse references while strictly following instructions to reconstruct, modify, or design 3D content. However, existing benchmarks provide limited coverage of such open-ended requests across real-world scenarios. To bridge this gap, we introduce BlenderWorld, the first comprehensive benchmark dedicated to evaluating frontier models on realistic 3D creation tasks. BlenderWorld comprises 223 tasks spanning architecture, products, natural environments, and scientific visualization, driven by text, image, video, and structured specification inputs. To rigorously assess these complex deliverables, we establish a unified evaluation protocol: we render the submitted Blender projects from multiple viewpoints and evaluate them against 2,651 task-specific binary rubrics alongside holistic visual quality scores. Benchmarking thirteen frontier models reveals that GPT-6-Astra achieves the highest overall fused score of 79.9, followed by Opus-5 (73.0) and GPT-5.6-Sol (67.7). Ultimately, our findings reveal a critical bottleneck: while current models can parse broad instructions, they still profoundly struggle with fine-grained 3D spatial coherence and accurate structural reproduction in Blender, leaving substantial headroom for future 3D-native agentics.

arXivで原文を読む →arXiv概要ページ

← 論文一覧