BlenderRAG: Создание высокоточных 3D-объектов с помощью синтеза кода, дополненного поиском

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

May 1, 2026

Авторы: Massimo Rondelli, Francesco Pivi, Maurizio Gabbrielli

cs.AI

Аннотация

Автоматическая генерация исполняемого кода Blender из естественного языка остается сложной задачей: современные языковые модели часто производят синтаксические ошибки и геометрически некорректные объекты. Мы представляем BlenderRAG — систему генерации с расширением поиском, работающую с курируемым мультимодальным набором данных из 500 экспертно проверенных примеров (текст, код, изображение) по 50 категориям объектов. Благодаря извлечению семантически близких примеров в процессе генерации BlenderRAG повышает процент успешной компиляции с 40,8% до 70,0% и семантическое нормализованное соответствие с 0,41 до 0,77 (сходство CLIP) для четырех современных языковых моделей, не требуя дообучения или специализированного оборудования, что обеспечивает немедленную готовность к развертыванию. Набор данных и код будут доступны по адресу 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.