BlenderRAG: Generación de Objetos 3D de Alta Fidelidad mediante Síntesis de Código Aumentada por Recuperación

BlenderRAG: High-Fidelity 3D Object Generation via Retrieval-Augmented Code Synthesis

May 1, 2026

Autores: Massimo Rondelli, Francesco Pivi, Maurizio Gabbrielli

cs.AI

Resumen

La generación automática de código ejecutable de Blender a partir de lenguaje natural sigue siendo un desafío, con los modelos de lenguaje más avanzados produciendo errores sintácticos frecuentes y objetos geométricamente inconsistentes. Presentamos BlenderRAG, un sistema de generación aumentada por recuperación que opera sobre un conjunto de datos multimodal curado de 500 ejemplos validados por expertos (texto, código, imagen) en 50 categorías de objetos. Al recuperar ejemplos semánticamente similares durante la generación, BlenderRAG mejora las tasas de éxito de compilación del 40.8% al 70.0% y la alineación semántica normalizada de 0.41 a 0.77 (similitud CLIP) en cuatro modelos de lenguaje de última generación, sin requerir ajuste fino ni hardware especializado, haciéndolo inmediatamente accesible para su despliegue. El conjunto de datos y el código estarán disponibles en https://github.com/MaxRondelli/BlenderRAG.

English

Automatic generation of executable Blender code from natural language remains challenging, with state-of-the-art LLMs producing frequent syntactic errors and geometrically inconsistent objects. We present BlenderRAG, a retrieval-augmented generation system that operates on a curated multimodal dataset of 500 expert-validated examples (text, code, image) across 50 object categories. By retrieving semantically similar examples during generation, BlenderRAG improves compilation success rates from 40.8% to 70.0% and semantic normalized alignment from 0.41 to 0.77 (CLIP similarity) across four state-of-the-art LLMs, without requiring fine-tuning or specialized hardware, making it immediately accessible for deployment. The dataset and code will be available at https://github.com/MaxRondelli/BlenderRAG.