BlenderRAG: 検索拡張コード合成による高忠実度3Dオブジェクト生成

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

May 1, 2026

著者: Massimo Rondelli, Francesco Pivi, Maurizio Gabbrielli

cs.AI

要旨

自然言語からの実行可能なBlenderコードの自動生成は依然として課題が多く、最先端の大規模言語モデル（LLM）でも構文エラーや幾何学的に不整合なオブジェクトが頻発する。本論文では、50のオブジェクトカテゴリにわたる専門家検証済みの500のマルチモーダル事例（テキスト、コード、画像）で構成された厳選データセットに基づく検索拡張生成システムBlenderRAGを提案する。生成時に意味的に類似した事例を検索することで、BlenderRAGは4種類の最先端LLMにおいて、コンパイル成功率を40.8%から70.0%に、意味的正規化整合性（CLIP類似度）を0.41から0.77に改善する。ファインチューニングや専用ハードウェアを必要とせず、即時導入が可能である。データセットとコードはhttps://github.com/MaxRondelli/BlenderRAGで公開予定である。

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.