DistScene 把环境当作显式组件：单图生成可分解三维场景，室内场景 CD 相对降低 32.2%

该工作把环境建模为显式的场景组件，与多个独立物体在共享坐标系中联合生成，从而为物体摆放提供几何上下文。 已有前馈方法多把场景表示为物体实例的集合，不显式建模周围环境，物体布局缺少环境几何约束；DistScene 让环境潜变量充当锚点，耦合各物体潜变量。 消融显示加入环境组件后，MIDI-test 物体 F-score 由 29.98 升至 40.98，包围盒 IoU 由 0.1798 升至 0.2544；Gen3DSR-test 场景 CD 由 0.1367 降至 0.1096，F-score 由 62.04 升至 73.21。

Object-Centric Refinement 在归一化局部空间中、以场景上下文为条件细化每个物体，再放回原场景位置，恢复细粒度几何而不改变整体布局。 物体在全局稀疏体素网格中占比很小，有效分辨率不足；该阶段在同一稀疏体素域内独立细化各物体，并以标记嵌入关联场景潜变量中的对应区域。 消融显示细化使 MIDI-test 物体 CD 由 0.2037 降至 0.1529、物体 F-score 由 40.98 升至 51.64、IoU 由 0.2544 升至 0.3688；去掉场景上下文后各项指标明显变差。

Object-to-Scene Distillation 用自蒸馏数据引擎自动合成可分解场景监督，把预训练物体生成先验迁移到场景生成。 现有场景数据集在规模与物体多样性上受限；该引擎由 LLM 生成结构化场景描述、物体生成器合成物体与环境、再经接触与碰撞检查调整布局，无需现有场景数据集或人工标注。 在 MIDI-test 与 Gen3DSR-test 均为域外的条件下，用该合成数据训练的物体-only 架构在 Gen3DSR-test 上把场景 CD 由 0.1936 降至 0.1367、F-score 由 46.68 升至 62.04。

在室内与室外基准上，DistScene 的场景级空间一致性与物体级几何优于所评估的基线。 室外 UrbanScene3D 上 CD-L1 由 Extend3D 的 0.0832 降至 0.0772、F-score 由 0.680 升至 0.722；室内 MIDI-test 场景 CD 由 3D-Fixer 的 0.1295 降至 0.0877，Gen3DSR-test 场景 CD 为 0.0958、F-score 为 79.68%。 结果来自室内 MIDI-test、Gen3DSR-test 与室外 UrbanScene3D 的定量比较，以及 43 名参与者、20 个文生图输入的匿名用户研究，DistScene 在三项标准上偏好率最高。

该结果面向从单张图像生成可分解三维场景的设定，训练与评测覆盖室内 MIDI-test、Gen3DSR-test 与室外 UrbanScene3D，并包含文生图输入的用户研究。方法以稀疏体素为统一表示，场景生成与物体细化均在该域内完成，因此可直接支持组件级几何输出与物体级编辑；512 分辨率加细化的配置在 5.7 秒场景生成、每个物体 3.3 秒细化与 18.0 GB 峰值显存下提供了效率与质量的折中，适合对速度敏感的场景。对需要显式环境上下文、可分解组件与局部细节的下游任务，如仿真与机器人相关场景构建，这一表示提供了可复用的基础。

室内环境资产在训练中普遍缺少天花板，部分重建可能呈现开顶房间；室外环境空间范围大，有限的场景帧体素被分散到广阔区域，可能丢失细节或出现空洞，且室外训练集规模小于室内。这些属于当前数据生成与表示设定的作用范围，提示后续可关注封闭室内环境资产与大规模场景表示的改进。此外，本次材料为全文解析，若图表细节未完整呈现，则对定性示例与用户研究的具体呈现方式仍可进一步核对。