生成式积木世界：在图片中移动物体

我们描述了生成式积木世界（Generative Blocks World），它通过操纵简单的几何抽象来与生成图像的场景进行交互。我们的方法将场景表示为凸三维图元的集合，同一场景可以用不同数量的图元表示，允许编辑者移动整个结构或微小细节。场景几何编辑完成后，图像通过基于流的方法生成，该方法以深度和纹理提示为条件。我们的纹理提示考虑了修改后的三维图元，超越了现有键值缓存技术提供的纹理一致性。这些纹理提示(a)允许精确的物体和相机移动，并且(b)在很大程度上保留了所描绘物体的身份。定量和定性实验表明，我们的方法在视觉保真度、可编辑性和组合泛化方面优于现有工作。