SceneWiz3D es un método novedoso para sintetizar escenas 3D de alta fidelidad a partir de texto. Emplea una representación 3D híbrida, con una representación explícita para los objetos y una representación implícita para la escena. Los usuarios pueden generar objetos mediante métodos tradicionales de texto a 3D o proporcionando sus propios objetos. Para configurar la disposición de la escena y colocar automáticamente los objetos, aplicamos la técnica de optimización por enjambre de partículas durante el proceso de optimización. Además, en el caso de texto a escena, es difícil obtener supervisión multiperspectiva para ciertas partes de la escena (por ejemplo, esquinas, oclusiones), lo que resulta en una geometría de baja calidad. Para mitigar esta falta de supervisión, introducimos un modelo de difusión panorámica RGBD como priorización adicional, logrando así una geometría de alta calidad. Una amplia evaluación respalda que nuestro método alcanza una calidad superior a la de métodos anteriores, capaz de generar escenas 3D detalladas y visualmente consistentes.