<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom">
  <author>
    <name>Daily Papers</name>
  </author>
  <generator uri="https://hexo.io/">Hexo</generator>
  <id>https://daily-papers.rhacoal.com/</id>
  <link href="https://daily-papers.rhacoal.com/" rel="alternate"/>
  <link href="https://daily-papers.rhacoal.com/atom.xml" rel="self"/>
  <rights>All rights reserved 2026, Daily Papers</rights>
  <subtitle>3DGS · 2DGS · 城市生成</subtitle>
  <title>Daily Papers</title>
  <updated>2026-09-12T16:12:15.556Z</updated>
  <entry>
    <author>
      <name>Daily Papers</name>
    </author>
    <category term="日报" scheme="https://daily-papers.rhacoal.com/categories/%E6%97%A5%E6%8A%A5/"/>
    <category term="3DGS" scheme="https://daily-papers.rhacoal.com/tags/3DGS/"/>
    <category term="2DGS" scheme="https://daily-papers.rhacoal.com/tags/2DGS/"/>
    <category term="城市生成" scheme="https://daily-papers.rhacoal.com/tags/%E5%9F%8E%E5%B8%82%E7%94%9F%E6%88%90/"/>
    <content>
      <![CDATA[<!-- daily-papers:managed --><div class="digest-overview"><strong>0 篇论文</strong><span>无相关论文</span><details class="digest-details"><summary>收集详情</summary><p>采集完成 · 候选 171 · 已筛选 171<br>RSS 公告日期：2026-09-12<br>更新时间：2026-09-12T16:12:15.556430Z<br>中文总结由 AI 基于论文标题与作者摘要生成。</p></details></div><p class="digest-status">已完成筛选，确认没有相关论文。</p><div hidden data-report-sha256="3ed0a78ec118c6ba5541bcb9156fe79a4f2f3eaae9b0d55d11bc5ccd5c1b8aef"></div><span id="more"></span>]]>
    </content>
    <id>https://daily-papers.rhacoal.com/daily/2026-09-12/</id>
    <link href="https://daily-papers.rhacoal.com/daily/2026-09-12/"/>
    <published>2026-09-12T00:00:00.000Z</published>
    <summary>
      <![CDATA[<!-- daily-papers:managed -->

<div class="digest-overview">
<strong>0 篇论文</strong><span>无相关论文</span>
<details class="digest-details"><summary>收集详情</summary>
<p>采集完成 · 候选 171 · 已筛选 171<br>
RSS 公告日期：2026-09-12<br>
更新时间：2026-09-12T16:12:15.556430Z<br>
中文总结由 AI 基于论文标题与作者摘要生成。</p></details></div>

<p class="digest-status">已完成筛选，确认没有相关论文。</p>

<div hidden data-report-sha256="3ed0a78ec118c6ba5541bcb9156fe79a4f2f3eaae9b0d55d11bc5ccd5c1b8aef"></div>]]>
    </summary>
    <title>论文日报 2026-09-12</title>
    <updated>2026-09-12T16:12:15.556Z</updated>
  </entry>
  <entry>
    <author>
      <name>Daily Papers</name>
    </author>
    <category term="日报" scheme="https://daily-papers.rhacoal.com/categories/%E6%97%A5%E6%8A%A5/"/>
    <category term="3DGS" scheme="https://daily-papers.rhacoal.com/tags/3DGS/"/>
    <category term="2DGS" scheme="https://daily-papers.rhacoal.com/tags/2DGS/"/>
    <category term="城市生成" scheme="https://daily-papers.rhacoal.com/tags/%E5%9F%8E%E5%B8%82%E7%94%9F%E6%88%90/"/>
    <content>
      <![CDATA[<!-- daily-papers:managed --><div class="digest-overview"><strong>10 篇论文</strong><span>筛选完成</span><details class="digest-details"><summary>收集详情</summary><p>采集完成 · 候选 394 · 已筛选 394<br>RSS 公告日期：2026-09-11<br>更新时间：2026-09-12T09:36:09.266288Z<br>中文总结由 AI 基于论文标题与作者摘要生成。</p></details></div><div hidden data-report-sha256="2f831ab76376a747fa337a4508572b4fb53eedcba0e03a3f4aa18fe7ee287b53"></div><span id="more"></span><h2 id="重点推荐-·-5"><a href="#重点推荐-·-5" class="headerlink" title="重点推荐 · 5"></a>重点推荐 · 5</h2><section class="paper-entry"><h3 id="arxiv-2609-09578-v1">CityPlanner：用于可执行城市规划的沙盒智能体</h3><p class="paper-original">CityPlanner: A Sandbox Agent for Executable Urban Planning</p><div class="paper-meta"><a href="https://arxiv.org/abs/2609.09578v1">arXiv:2609.09578v1</a><span class="paper-tag">城市生成</span><details class="paper-authors"><summary>Wentao Zhang 等 5 人</summary><p>Wentao Zhang, Jingyuan Wang, Zetong Zhou, Yifan Yang, Wenrui Wang</p></details></div><p class="paper-summary">论文提出 CityPlanner 沙盒智能体框架，用于可执行的城市规划。其 UrbanSandbox 让智能体读取任务文件、生成规划、运行评估器，并依据可执行反馈修订决策；原子任务强化学习进一步将长轨迹拆分为 BuildPlan 初始构建和 ImprovePlan 反馈改进。作者在真实世界基准上报告其优于启发式方法、任务专用强化学习和通用大语言模型智能体基线，并通过消融验证环境、原子任务学习与迭代部署的作用。</p><p class="paper-reason"><strong>关注理由</strong> 论文直接研究可执行城市规划中的方案生成、评估与迭代优化，属于城市布局与城市生成相关任务。</p></section><section class="paper-entry"><h3 id="arxiv-2609-09606-v1">RouteBridge：神经辐射场与 3D Gaussian Splatting 之间的可靠性路由双向蒸馏</h3><p class="paper-original">RouteBridge: Reliability-Routed Bidirectional Distillation Between Neural Radiance Fields and 3D Gaussian Splatting</p><div class="paper-meta"><a href="https://arxiv.org/abs/2609.09606v1">arXiv:2609.09606v1</a><span class="paper-tag">3DGS</span><details class="paper-authors"><summary>YuanHang Wang 等 2 人</summary><p>YuanHang Wang, Xin Cao</p></details></div><p class="paper-summary">论文针对跨表示蒸馏固定教师会传播局部重建误差的问题，提出按射线可靠性自适应选择 NeRF 或 3DGS 教师的双向框架。估计器结合光度残差和几何证据，并传递颜色、不透明度及归一化深度。摘要报告其在 mip-NeRF 360 和 DTU 上改善重建质量，消融显示自适应路由与几何射线目标均有贡献。</p><p class="paper-reason"><strong>关注理由</strong> 摘要直接提出 NeRF 与 3DGS 的双向蒸馏框架，按射线选择教学方向并改进 3DGS 重建。</p></section><section class="paper-entry"><h3 id="arxiv-2609-11223-v1">Tri-DehazeGS：具有透射率感知优化的场景—介质解耦 Gaussian Splatting</h3><p class="paper-original">Tri-DehazeGS: Scene--Medium Decoupled Gaussian Splatting with Transmittance-Aware Optimization</p><div class="paper-meta"><a href="https://arxiv.org/abs/2609.11223v1">arXiv:2609.11223v1</a><span class="paper-tag">3DGS</span><details class="paper-authors"><summary>Kui Jiang 等 6 人</summary><p>Kui Jiang, Yang Gu, Jiacheng Liu, Shiyu Liu, Youyu Chen, Hui Liu</p></details></div><p class="paper-summary">论文研究从含雾多视角图像恢复干净三维场景，指出将大气介质变量绑定到 Gaussian 原语会混淆场景辐射与雾效应。方法用 Gaussian 原语表示干净场景，以独立的视角共享三平面场表示介质，并通过物理散射模型合成观测；另以 MD-TGC 补偿低透射率区域被压制的优化梯度。摘要称其在真实和合成基准上改善了干净新视角重建。</p><p class="paper-reason"><strong>关注理由</strong> 摘要直接研究 Gaussian Splatting 场景重建，并处理介质解耦和雾导致的透射率梯度削弱。</p></section><section class="paper-entry"><h3 id="arxiv-2609-11434-v1">通过二次相位 Gaussian Splatting 进行全息表示</h3><p class="paper-original">Hologram Representation via Quadratic Phase Gaussian Splatting</p><div class="paper-meta"><a href="https://arxiv.org/abs/2609.11434v1">arXiv:2609.11434v1</a><span class="paper-tag">2DGS</span><details class="paper-authors"><summary>Haolong Wang 等 4 人</summary><p>Haolong Wang, Yicheng Zhan, Kaan Ak&#92;c&#123;s&#125;it, Simeng Qiu</p></details></div><p class="paper-summary">论文提出复值二次相位 Gaussian（CVQPG）作为全息图表示，用二维二次相位函数替换二维 Gaussian Splatting 中的标准二维 Gaussian 表示，并增加可学习参数控制基函数曲率。作者在全息重建评测中报告 RGB 平均提升 0.19 dB、灰度提升 0.33 dB；等参数量实验显示，调制原语波前是轻量增强，频域分析还表明方法保留了自然图像的中高频段。</p><p class="paper-reason"><strong>关注理由</strong> 摘要明确研究二维 Gaussian Splatting 的全息表示扩展，直接符合 2DGS 与二维全息信号方向。</p></section><section class="paper-entry"><h3 id="arxiv-2609-11616-v1">LangStreet：面向锚点解码街景 Gaussian 的持久语言场</h3><p class="paper-original">LangStreet: Persistent Language Fields for Anchor-Decoded Street Gaussians</p><div class="paper-meta"><a href="https://arxiv.org/abs/2609.11616v1">arXiv:2609.11616v1</a><span class="paper-tag">3DGS</span><details class="paper-authors"><summary>Runyi Yang 等 9 人</summary><p>Runyi Yang, Deheng Zhang, Xiaoye Wang, Mengjiao Ma, Lei Sun, Kanzhi Wu, Ajad Chhatkuli, Luc Van Gool, Danda Pani Paudel</p></details></div><p class="paper-summary">论文针对锚点解码表示中视角条件子 Gaussian 的几何和外观变化，导致语义原语难以跨视角保持的问题，提出持久语言场。方法让瞬时子节点负责观测、持久解码槽及父锚点拥有语言场，利用 alpha 合成责任累积方向证据，并以低秩残差表达槽位细节。摘要报告在 KITTI、Virtual KITTI 和 Waymo 上，较小特征存储达到接近完整特征方案的 2D mIoU。</p><p class="paper-reason"><strong>关注理由</strong> 摘要直接解决结构化 Gaussian 场景的语义理解与持久特征存储问题，并在多个街景数据集评估。</p></section><h2 id="相关方法-·-4"><a href="#相关方法-·-4" class="headerlink" title="相关方法 · 4"></a>相关方法 · 4</h2><section class="paper-entry"><h3 id="arxiv-2609-09418-v1">Valerant：通过动作条件世界模型探索自动生成可导航游戏地图</h3><p class="paper-original">Valerant: An Automatic Navigable Game Map Generator via Action-Conditioned World Model Exploration</p><div class="paper-meta"><a href="https://arxiv.org/abs/2609.09418v1">arXiv:2609.09418v1</a><span class="paper-tag">城市生成</span><details class="paper-authors"><summary>Yiran Qiao 等 3 人</summary><p>Yiran Qiao, Feng Wang, Jing Ma</p></details></div><p class="paper-summary">论文提出无需训练的 Valerant 框架，将预训练动作条件世界模型用于三维游戏地图探索和构建。方法结合预测视觉 rollout、基于 SLAM 的空间重建以及探索驱动的动作选择，从单幅图像逐步形成持久且可导航的三维地图。该工作可作为通用三维场景程序化创建与重建的支撑参考，但摘要未报告城市或建筑场景实验。</p><p class="paper-reason"><strong>关注理由</strong> 论文关注从单幅图像探索并构建持久、可导航的三维游戏地图，属于通用三维场景的程序化创建与重建支撑，但摘要未涉及城市、建筑或 Gaussian 表示。</p></section><section class="paper-entry"><h3 id="arxiv-2609-11499-v1">递归代码世界模型：通过递归场景程序构建复杂世界</h3><p class="paper-original">Recursive Code World Models: Building Complex Worlds through Recursive Scene Programs</p><div class="paper-meta"><a href="https://arxiv.org/abs/2609.11499v1">arXiv:2609.11499v1</a><span class="paper-tag">城市生成</span><details class="paper-authors"><summary>Zhiqi Li 等 3 人</summary><p>Zhiqi Li, Yuxuan Liao, Bo Zhu</p></details></div><p class="paper-summary">论文提出递归代码世界模型，将递归场景程序与递归调用自身的构建求解器结合，用于从单张参考图重建复杂三维世界。方法通过“整体—递归局部—重新审视整体”的循环，在多尺度上细化未解决部分，并利用共享相机投影、父级回访和视觉语言编码代理修正边界、空间关系及组合误差。作者报告其在复杂场景上优于既有基于代码的图像到场景重建方法，消融结果支持递归构建及更深递归对细粒度重建的帮助。</p><p class="paper-reason"><strong>关注理由</strong> 论文从单张参考图重建复杂三维世界的可执行代码，采用递归场景程序和递归构建求解器，属于可支撑程序化场景创建与通用三维世界生成的方法。摘要未明确聚焦城市或建筑。</p></section><section class="paper-entry"><h3 id="arxiv-2609-11886-v1">使用基于扩散的图像生成器引导数字高程模型超分辨率</h3><p class="paper-original">Guided Super-Resolution of Digital Elevation Models with Diffusion-Based Image Generators</p><div class="paper-meta"><a href="https://arxiv.org/abs/2609.11886v1">arXiv:2609.11886v1</a><span class="paper-tag">城市生成</span><details class="paper-authors"><summary>Armand Mihai Nicolicioiu 等 6 人</summary><p>Armand Mihai Nicolicioiu, Dominik Narnhofer, Nando Metzger, Daniel Panangian, Ksenia Bittner, Konrad Schindler</p></details></div><p class="paper-summary">论文处理粗分辨率 DSM 与高分辨率地表模型之间的数据缺口，提出用高分辨率光谱图像引导扩散去噪，将 5 米 DSM 增强到 0.5 米。方法把图像中清晰轮廓和屋顶细节迁移到高程图，以改善结构细节和表面几何。摘要称其在中欧多个城市实验中生成了高质量 DSM，可直接支撑城市分析、三维建筑重建和基础设施监测。</p><p class="paper-reason"><strong>关注理由</strong> 摘要明确将 DSM 增强直接用于城市分析和三维建筑重建，属于城市生成任务的支撑数据与重建方法。</p></section><section class="paper-entry"><h3 id="arxiv-2609-11894-v1">用于毫米波雷达新视角合成的三维点 Splatting</h3><p class="paper-original">3D Point Splatting for mmWave Radar Novel View Synthesis</p><div class="paper-meta"><a href="https://arxiv.org/abs/2609.11894v1">arXiv:2609.11894v1</a><span class="paper-tag">3DGS</span><details class="paper-authors"><summary>Adnan Armouti 等 3 人</summary><p>Adnan Armouti, Yixuan Gao, Rajalakshmi Nandakumar</p></details></div><p class="paper-summary">论文为毫米波雷达新视角合成提出三维点渲染器，从雷达方程的立体角形式推导点 splatting。每个定向三维点携带材料模型，复数相量经预计算点扩散函数投射到距离 bins，并可通过 FFT 产生 ADC、复数距离剖面和距离—方位输出。摘要报告其在六个户外场景上取得 0.587 的留出集 RA 图像平均 Pearson 相关，训练每场景约三分钟。</p><p class="paper-reason"><strong>关注理由</strong> 摘要提出面向雷达新视角合成的三维点 splatting 渲染器，是明确区别于 3D Gaussian 的邻近支撑表示。</p></section><h2 id="待确认-·-1"><a href="#待确认-·-1" class="headerlink" title="待确认 · 1"></a>待确认 · 1</h2><section class="paper-entry"><h3 id="arxiv-2609-11129-v1">ReconPlusGen：通过噪声反演与调制将重建先验注入多视图三维生成</h3><p class="paper-original">ReconPlusGen: Injecting Reconstruction Prior into Multi-view 3D Generation through Noise Inversion and Modulation</p><div class="paper-meta"><a href="https://arxiv.org/abs/2609.11129v1">arXiv:2609.11129v1</a><details class="paper-authors"><summary>Jiarui Liu 等 10 人</summary><p>Jiarui Liu, Heng Li, Weiyu Li, Keng Deng, Junyuan Deng, Zheng Zhongxing, Junyu Huang, Jiahao Chang, Xiaoguang Han, Ping Tan</p></details></div><p class="paper-summary">论文研究如何将多视图重建先验注入三维生成过程。方法先根据多张图像预测规范空间点云，再通过噪声反演将几何确定性地注入扩散过程，并调制所得噪声，以保留生成模型补全未观测区域和细化可见几何的能力。摘要提及基准图像和真实图像结果，但未给出具体定量指标。</p><p class="paper-reason"><strong>关注理由</strong> 摘要描述多视图输入驱动的点云预测与三维生成，通过噪声反演和调制补全未观测区域、细化可见几何。属于通用三维生成方法，但未说明 Gaussian/splat 表示或城市任务，因此作为支撑技术保留。</p></section>]]>
    </content>
    <id>https://daily-papers.rhacoal.com/daily/2026-09-11/</id>
    <link href="https://daily-papers.rhacoal.com/daily/2026-09-11/"/>
    <published>2026-09-11T00:00:00.000Z</published>
    <summary>
      <![CDATA[<!-- daily-papers:managed -->

<div class="digest-overview">
<strong>10 篇论文</strong><span>筛选完成</span>
<details class="digest-details"><summary>收集详情</summary>
<p>采集完成 · 候选 394 · 已筛选 394<br>
RSS 公告日期：2026-09-11<br>
更新时间：2026-09-12T09:36:09.266288Z<br>
中文总结由 AI 基于论文标题与作者摘要生成。</p></details></div>

<div hidden data-report-sha256="2f831ab76376a747fa337a4508572b4fb53eedcba0e03a3f4aa18fe7ee287b53"></div>]]>
    </summary>
    <title>论文日报 2026-09-11</title>
    <updated>2026-09-12T09:36:09.266Z</updated>
  </entry>
</feed>
