本文提出了一种基于变分生成模型的场景布局合成方法，结合可微分渲染模块优化布局，实验表明其在条件场景合成中表现优越。此外，研究介绍了多种生成模型，如CommonScenes和SelfGraphVQA，以提高3D场景生成的效率和多样性，特别是在视觉问答任务中的应用。