StyleForge: Indoor Furniture Styling by Counterfactual Reasoning in a Hypergraph Field
作者: Lingwei Dang, Shishuo Shang, Pan Liu, Jiajia Cheng, Ziyan Qiu, Zhenhao Zhang, Yufei Zhu, Shenghui Huang, Qingxin Xiao, Yun Hao, Juntong Li, Qingyao Wu
分类: cs.CV
发布日期: 2026-08-03
💡 一句话要点
提出StyleForge以解决室内家具风格一致性问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 室内设计 风格一致性 动态超图 多模态模型 家具检索 反事实学习 场景理解
📋 核心要点
- 现有方法在固定布局的室内家具风格设计中，容易出现形状、材料和颜色的冲突，缺乏整体一致性。
- StyleForge通过动态超图风格场实现场景级结构选择，利用冻结的多模态大语言模型提取风格先验，优化家具候选分布。
- 在3D-FRONT数据集上，StyleForge展示了优于现有基线的家具检索性能和更高的场景级风格一致性。
📝 摘要（中文）
固定布局的室内家具风格设计需要选择形成一致房间的资产，而不改变规定的家具类别、位置、方向或比例。现有方法通常独立检索每个资产或依赖静态局部关系，导致场景组合后形状、材料和颜色冲突。本文提出StyleForge，一个基于动态超图风格场的场景级结构选择框架。该框架利用冻结的多模态大语言模型从开放式风格请求和固定布局中提取结构化风格先验，同时为每个家具位置维护可学习的候选分布。在目标风格的条件下，动态超图风格场自适应激活和加权布局诱导的超边，以捕捉家具之间的高阶依赖关系。通过反事实风格偏好学习，将每个候选视为当前风格场中的局部替代，并使用Mahalanobis能量评估其上下文兼容性。实验结果表明，StyleForge在3D-FRONT数据集上实现了最先进的家具检索和场景级风格一致性，生成的固定布局家具安排比对象和场景级检索基线更为一致。
🔬 方法详解
问题定义：本文旨在解决固定布局室内家具风格设计中的一致性问题，现有方法往往独立检索资产，导致组合后出现风格冲突。
核心思路：StyleForge通过动态超图风格场来捕捉家具之间的高阶依赖关系，利用冻结的多模态大语言模型提取结构化风格先验，从而实现更一致的风格选择。
技术框架：整体框架包括风格先验提取、候选分布维护、动态超图风格场激活和反事实风格偏好学习等模块，形成一个闭环优化过程。
关键创新：最重要的创新在于引入动态超图风格场，能够自适应地捕捉家具之间的复杂关系，区别于传统静态方法。
关键设计：采用Mahalanobis能量评估候选的上下文兼容性，训练过程中优化风格场和候选逻辑，确保在推理时仅更新房间特定的候选逻辑。
🖼️ 关键图片
📊 实验亮点
在3D-FRONT数据集上的实验结果显示，StyleForge在家具检索和场景级风格一致性方面达到了最先进的性能，相较于对象和场景级检索基线，生成的家具安排更为一致，提升幅度显著。
🎯 应用场景
该研究可广泛应用于室内设计、虚拟现实和游戏开发等领域，帮助设计师快速生成风格一致的家具布局，提升用户体验。未来，StyleForge有潜力与其他设计工具集成，进一步推动智能室内设计的发展。
📄 摘要（原文）
Fixed-layout indoor furniture styling requires selecting assets that form a coherent room without changing the prescribed furniture categories, positions, orientations, or scales. Existing approaches typically retrieve each asset independently or rely on static local relations, making them prone to shape, material, and color conflicts after scene composition. We introduce StyleForge, a scene-level structured selection framework built on a dynamic hypergraph style field. A frozen multimodal large language model extracts structured style priors from an open-ended style request and the fixed layout, while StyleForge maintains a learnable candidate distribution for each furniture slot. Conditioned on the target style, the dynamic hypergraph style field adaptively activates and weights layout-induced hyperedges to capture higher-order dependencies among furniture. Counterfactual style preference learning then treats each candidate as a local substitution in the current style field and evaluates its contextual compatibility using Mahalanobis energies. Training alternates between optimizing the style field and the candidate logits. At inference, the model remains frozen and test-time training updates only room-specific candidate logits, progressively correcting cross-slot style conflicts as the global scene context evolves. Experiments on 3D-FRONT demonstrate state-of-the-art furniture retrieval and scene-level style coherence, producing more coherent fixed-layout furniture arrangements than object- and scene-level retrieval baselines.