Scene（场景）在 AI 语境下主要指两件事：一是让模型理解、重建三维场景的几何表征研究，二是图像与视频生成中围绕场景一致性的能力。它处于计算机视觉与生成式 AI 的交汇点：从新视角合成、3D 世界建模，到视频生成中保持场景不'穿帮'，都是这一方向的核心问题。近期的动态显示，场景表征研究和场景一致性工具几乎同步推进。
Scene 相关近期进展
当前焦点与观察点
目前围绕 Scene 的讨论集中在两条线：一条是学术上的场景理解，包括 RGB-only 主动式 3D 场景图生成（服务室内移动机器人）等面向具身智能的探索；另一条是生成侧的场景一致性，例如 Genie 4 演示了以"Scene: …"结构化提示词生成内容的方式，Agentic Self-Improvement 框架则尝试提升图生视频的语义一致性。
值得关注的问题是：几何表征研究能否与生成模型有效结合，让视频生成的场景长期稳定；以及 Scene Fixer 这类后处理工具是否会成为视频工作流的标准环节。此外，结构化提示词（把 Scene、Character 分开描述）正在成为控制生成内容的新交互范式，其效果边界仍有待更多实测验证。