LEGO-Anything transforme une photo en scène 3D éditable

LLéna

Des chercheurs de l’Université du Maryland et d’AWS présentent LEGO-Anything, une méthode qui transforme une image unique en code Blender éditable, selon The Decoder. À partir de la photo, un agent écrit le code, exécute la scène et l’ajuste par étapes ; le résultat peut ensuite être modifié dans Blender. Pour mesurer la fidélité des reconstructions, les chercheurs ont aussi créé LEGO-Bench, un benchmark composé de 208 images représentant 104 scènes intérieures et extérieures. Ces scènes sont construites à partir de 443 éléments 3D enregistrés, et leur géométrie exacte est connue grâce au simulateur ; cette référence permet de comparer les reconstructions à la structure attendue. Dans les configurations évaluées, GPT-6 Astra obtient les meilleurs scores : 53,4 % pour les scènes intérieures et 39,6 % pour les scènes extérieures, tandis que certaines autres configurations tournent autour de 15 %. Les résultats sont donc plus faibles en extérieur, et les scores restent limités même pour le modèle le mieux classé. Augmenter le budget de raisonnement améliore les résultats des variantes GPT-6 ; sur un sous-ensemble de bureaux, le score d’Astra passe de 32,3 % à 61,8 %. Les agents produisent presque toujours une scène exploitable, mais leur auto-évaluation de la précision géométrique reste peu fiable : quand ils doivent comparer deux versions, leurs jugements sont proches du hasard ou moins bons, ce qui rend difficile de savoir si la scène correspond réellement à l’image.