SceneGen은 3DV 2026에 채택된 단일 이미지 기반 3D 씬 생성 모델로, 사진 한 장과 오브젝트 마스크만으로 씬 내 여러 3D 에셋의 형상·텍스처·상대적 공간 위치를 단일 피드포워드 패스로 동시 생성하는 첫 번째 모델입니다. 기존 방식과 달리 반복 최적화나 에셋 검색 과정 없이 단번에 완성된 씬 레이아웃을 출력합니다. DINOv2 임베딩과 VGGT 시각 피처를 결합한 특징 집계 모듈로 로컬·글로벌 씬 정보를 통합하며, TRELLIS 프레임워크 컴포넌트 위에 구축됩니다. SAM2 기반 Gradio 데모, HuggingFace 사전학습 체크포인트, 3D-FUTURE 데이터셋 평가 스크립트 등 완전한 파이프라인을 오픈소스로 제공합니다. NVIDIA GPU(16GB VRAM 이상)와 CUDA 12.1이 필요합니다.