本文介绍了多种基于深度学习的室内场景生成技术，包括自我关注机制、生成对抗网络和卷积生成模型。这些技术提高了生成速度和图像质量，能够灵活应对复杂场景的需求，并在多个数据集上表现优越。

本研究提出了一种结构感知的去除现实模型，能够快速生成去除特定物体的室内场景。通过全景图和实时照片，改进了室内家具布局的生成方法，并展示了在不同光照条件下的有效性。此外，贡献了新的HDR数据集和用于室内场景生成的评估基准，展示了生成高度逼真室内场景的能力。

该文综述了3D场景与对象风格化、合成及生成的多项研究，涵盖：结合建模与光照使3D资源适配2D场景、基于网格的风格转移实现VR艺术化环境、从图像合成逼真室内3D场景、点云几何感知实现3D照片艺术化、360度图像场景装饰、点云风格一致生成、GAN无监督3D可控图像合成、3D对象间风格转移、语言引导的室内场景语义风格转移，以及卷积生成模型的快速室内场景综合流水线。