收集详情
采集完成 · 候选 2020 · 已筛选 2020
RSS 公告日期：2026-09-29
更新时间：2026-09-29T06:39:21.444463Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 10
ControlGS：面向下游处理感知的神经 Gaussian 条件渲染
ControlGS: Conditioning Neural Gaussians for Downstream-Processing-Aware XR Rendering
论文针对 XR 中渲染结果还需经过运行时变化的后处理和显示光学路径这一问题，提出 ControlGS。方法将完整下游处理纳入优化目标，并根据处理参数动态生成 Gaussian 基元。作者报告称，该方法在不同神经 Gaussian 主干和数据集上持续提升端到端后光学质量，同时保持较小开销。
关注理由 直接研究面向 XR 的 Gaussian 渲染管线，建模并优化从渲染输出到人眼之间的后处理与显示光学路径，属于 3DGS 渲染方法扩展。
OneFixer：面向驾驶场景的高质量一致单步自回归 3DGS 修复
OneFixer: High-Quality and Consistent One-Step Autoregressive 3DGS Refinement for Driving Scenes
论文提出 OneFixer，用单阶段训练的单步自回归视频扩散模型修复驾驶场景中的 3DGS 渲染。其部署匹配的共享 rollout 让模型预测同时作为后续上下文，并结合像素级感知监督与车道几何、动态体状态提升几何和时序质量。作者报告称，在 Waymo 和自有场景的 900 帧 rollout 中，该方法取得最低的 FVD、LPIPS 和 DISTS，并将闭环仿真碰撞率较原始 3DGS 渲染降低三分之一。
关注理由 直接研究驾驶场景中的 3DGS 渲染后修复与长时序一致性，属于 3DGS 动态/视频渲染扩展，并明确面向户外驾驶场景仿真。
面向无线边缘大规模场景重建的联邦三维 Gaussian Splatting
Federated 3D Gaussian Splatting for Large-Scale Scene Reconstruction at Wireless Edge
论文提出资源高效的联邦 3D-GS 训练框架，针对通信、计算、GPU 内存限制以及本地模型结构不一致和隐私风险，设计自适应 Gaussian 点选择与剪枝机制，并以重要性—延迟比决定剪枝规模。同时提出无需访问私有相机参数的模型恢复机制，以恢复跨本地模型的结构一致性。作者报告称，该方法加快收敛、保持较高渲染质量并降低训练延迟。
关注理由 直接研究大规模 3D-GS 场景重建的联邦训练、Gaussian 点剪枝、结构一致性恢复与资源效率，符合 3DGS 的可扩展性和重建方向。
ProDyGS：基于单个静态单目相机的动态 Gaussian Splatting
ProDyGS: Dynamic Gaussian Splatting from a Single Static Monocular Camera
论文提出 ProDyGS，用于从单个静态相机视频进行动态场景新视角合成。方法先利用基础单目深度网络估计时间一致的深度图，再构建可生成任意视角代理图像的 3D Gaussian 表示，并通过变形网络对规范 Gaussian 进行时序形变建模。作者在 DyNeRF 数据集上报告达到当时的最佳性能，并优于依赖场景流等更强先验的方法。
关注理由 论文直接研究动态 3D Gaussian Splatting，并通过深度引导的代理图像生成合成多视角监督，用于单目静态相机视频的新视角合成。
FeCoSplat：面向前馈 3D Gaussian Splatting 的反馈引导压缩
FeCoSplat: Feedback-Guided Compression for Feed-Forward 3D Gaussian Splatting
FeCoSplat 针对前馈 3DGS 表示存储和传输成本高的问题，不直接压缩输入图像或异构 Gaussian primitives，而是压缩紧凑中间特征。方法先通过特征压缩获得中间 3DGS，再利用其渲染视图作为反馈进行第二阶段细化；解码后的紧凑隐式状态由轻量预测器重建最终 Gaussian primitives。摘要报告其在低码率下具有较好的率失真性能，接收端重建仅需 3.45M 参数。
关注理由 论文直接研究前馈 3D Gaussian Splatting 的表示压缩、传输与接收端重建，属于三维 Gaussian 场景表示的核心任务。
基于 Gaussian Splatting 与稀疏 4D 锚点的体积视频压缩
Gaussian Splatting-based Volumetric Video Compression with Sparse 4D Anchors
论文针对动态 3DGS 中原语密集及时空冗余导致的压缩困难，提出 SAGA 体积视频编解码器。方法使用层次化稀疏 4D 锚点，通过坐标型 INR 从锚点插值生成细粒度锚点和 Gaussian primitives，并利用记忆槽建模长程熵上下文依赖。在 Neu3D 和 MPEG MIV 上，作者报告相对 GIFStream 的 PSNR BD-rate 分别降低 80.39% 和 83.94%。
关注理由 直接研究动态 3D Gaussian Splatting 的稀疏 4D anchor 表示与视频压缩，属于 3DGS 表示和压缩方向。
AGILE-GS：面向主动 3D Gaussian Splatting 的锚点引导快速下一最佳视角选择
AGILE-GS: Anchor-Guided Fast Next-Best-View Selection for Active 3D Gaussian Splatting
论文提出 AGILE-GS，将信息搜索与相机选择分离：先在 SE(3) 上优化虚拟锚点姿态以定位高不确定区域，再依据锚点观察几何和 ridge leverage 从候选池提取小型短名单。AGILE-GS 直接选择短名单首个视角，AGILE-GS+ 仅对短名单计算 Fisher 信息增益。作者报告两者在标准基准和闭环具身采集上达到或超过基线，并将选择延迟降低一个至两个数量级。
关注理由 直接研究 3D Gaussian Splatting 的主动采集与下一最佳视角选择，属于 3DGS 重建和可扩展性方向。
用于全景 Gaussian Splatting 的率失真自适应原语选择
Rate-Distortion Adaptive Primitive Selection for Omnidirectional Gaussian Splatting
论文提出 OIC-GS，一种面向全景场景的 Gaussian Splatting 编解码器。它使用分层 HEALPix 原语网格，将 Gaussian 锚定在预定义球面位置，并通过层级细化、轻量熵模型和球面率失真优化进行原语分配。量化后收益不足的原语会被移除，从而自适应密度和细节层级。作者报告其支持全景、视口相关及渐进式解码，在基准上取得更低 BD-rate，并可实现高帧率渲染。
关注理由 直接研究全景 Gaussian Splatting 编解码、率失真优化、原语选择和渐进式传输，属于三维 Gaussian 表示的压缩与可扩展性方向。
SurgGMF：用于预期手术场景渲染的完全因果 Gaussian 运动预测
SurgGMF: Fully Causal Gaussian Motion Forecasting for Anticipatory Surgical Scene Rendering
论文提出 SurgGMF，用历史 Gaussian 运动场预测未来位置、尺度和旋转残差，以支持预期手术场景渲染。方法采用完全因果的渲染协议，避免访问目标帧属性，并通过时序学习器建模动态。作者在 EndoNeRF 和 StereoMIS 视频切片上比较神经时序模型与经典动力学基线，报告学习式预测在渲染空间持续优于经典方法，同时分析了精度与延迟之间的权衡。
关注理由 直接研究 Gaussian 场景表示的动态运动预测与未来状态渲染，属于 3DGS 动态建模方向；应用场景为手术，而非城市。
EviSplat：在三维 Gaussian Splatting 中保留多视角证据以进行开放词汇分割
EviSplat: Preserving Multi-View Evidence in 3D Gaussian Splatting for Open-Vocabulary Segmentation
论文提出 EviSplat，针对预先融合多视角特征可能抑制查询相关线索的问题，在类无关的 3D 实例中保留各次观测证据，并为每个 Gaussian 学习其观测外观所支持的查询分布。查询到来后，方法选择最相关的观测计算实例和 Gaussian 级分数，并结合观测频率与明确性进行加权。作者在多种数据集和评测协议上报告了优于基线的开放词汇 3D 分割表现。
关注理由 直接研究 3D Gaussian Splatting 的多视角证据保留与开放词汇分割，属于 3DGS 语义理解方向；摘要未限定城市场景。
相关方法 · 19
Fysiverse-3D-SimReady 技术报告：面向实用三维世界重建的智能体物理仿真
Fysiverse-3D-SimReady Technical Report: Agentic Physical Simulation for Pragmatic 3D World Reconstruction
论文提出面向物理仿真的三维场景重建框架，将单幅图像中的生成物体网格放入共享的重力对齐场景，并通过可微渲染优化相机空间位姿，同时修正支撑和接触关系。作者报告称，该方法相较单幅重建和场景生成基线提升了输入视角对齐、接触合理性与物理稳定性，并支持目标条件下的物理交互。
关注理由 研究单幅图像到可执行多物体三维场景的重建与物理稳定化，属于通用三维场景重建/生成，可作为城市场景生成的支撑方法；摘要未涉及 Gaussian 表示或明确城市对象。
3DGS-SC：面向三维 Gaussian Splatting 的受控静态屏幕内容基准
3dgs-sc: a controlled static screen-content benchmark for 3d gaussian splatting
论文提出受控的静态屏幕内容数据集与基准，用于检验 3DGS 中图像保真度是否对应屏幕文字可读性。协议提供固定多视角划分及精确标注，并将整图、屏幕区域、OCR 与边缘指标分离。作者报告称，五种方法的屏幕 PSNR 排序与 OCR 排序多次不一致，说明仅依赖保真度指标可能导致方法选择失误。
关注理由 直接研究 3D Gaussian Splatting 的屏幕内容数据集与评测协议，关注渲染保真度、文本可读性和边缘保持，属于 3DGS 表示评测与支撑数据。
FoundDSR：采用引导式二维 Gaussian Splatting 的可泛化深度超分辨率基础模型
FoundDSR: A Generalizable Foundation Model with Guided 2D Gaussian Splatting for Depth Super-Resolution
论文提出 FoundDSR，用引导式二维 Gaussian Splatting 建模深度表示，并利用高分辨率 RGB 优化 Gaussian 参数，使其沿高频结构方向各向异性变形。随后通过深度重建分支生成高分辨率深度，并结合异构联邦学习缓解多源数据分布差异。作者报告其在合成、真实、任意尺度和噪声条件下的零样本评测中表现出较强的鲁棒性与泛化能力。
关注理由 摘要明确提出用于深度表示的引导式二维 Gaussian Splatting，但论文核心任务是 RGB-D 深度超分辨率，而非通用场景重建或渲染。
USAI-Quant：建成环境视觉语言模型定量推理基准
USAI-Quant: A Quantitative Reasoning Benchmark for Vision-Language Models in Built Environments
论文提出 USAI-Quant，用美国 335 个最大城市的高分辨率遥感影像与建成环境定量指标构建视觉语言模型评测基准。基准覆盖多个复杂度等级和数十项城市建成环境指标，并比较通用 VLM 与遥感 VLM 的表现。作者报告当前模型在数字推理任务上仍存在明显不足，并分析了模型、问题类型和地理位置带来的差异。
关注理由 论文提供面向美国城市建成环境指标的遥感视觉语言模型定量推理基准，属于城市相关数据与评测支撑，但不直接生成城市内容。
WorldAgent：验证引导的智能体物理世界构建
WorldAgent: Verification-Guided Agentic Physical World Construction
论文提出 WorldAgent，从单个自然语言提示扩展出结构化世界规格，并结合物理知识构建场景和运行数值模拟。验证层在每一步检查场景几何、模拟状态和渲染结果；若检查失败，则自动修订规格并重新执行受影响步骤，最终生成可继续编辑和复现的世界。作者在 AgenticSimBench 上报告其在七项指标中的五项取得评测方法最佳结果，并在 26 人用户研究的四项标准中获得最高平均评分。
关注理由 论文从自然语言构建可编辑、可验证的复杂 3D 物理世界，包含结构化场景规格、场景构建、渲染和自动修订，属于可迁移到城市场景生成的通用支撑技术。摘要未明确限定城市、街区或建筑任务。
VGGT-Diff：视觉几何与扩散模型结合的稀疏视角新视图合成
VGGT-Diff: Visual Geometry Meets Diffusion for Sparse-View Novel View Synthesis
论文提出 VGGT-Diff，将 VGGT 提取的视觉几何潜变量路由至预训练视频扩散模型。每个视觉 token 关联三维点和置信度，经置信度感知路由器转换为查询视角条件，并通过点轨迹残差一致性约束提升多视图稳定性。摘要称其在不同视角难度下的插值与外推任务中取得有竞争力或作者声称的先进性能。
关注理由 论文面向稀疏视角新视图合成，利用带有三维点和置信度的视觉几何条件进行多视图生成；虽未使用 Gaussian 表示，但属于三维场景重建与视图合成的直接支撑方法。
PORTER：持久化三维场景图的边缘—云端驻留管理
PORTER: Edge-Cloud Residency for Persistent 3D Scene Graph Memory
PORTER 将持久化与本地驻留解耦，让轻量锚点保留在边缘设备，将较重的对象 payload 在边缘与云端之间迁移。方法以任务功能需求为基础，引入不可替代支持擦除指标，并按单位字节的边际损失反复卸载 payload。摘要报告在 JITOMA-Bench 的四种三维场景图构建器上评估，压缩至卸载 91% payload 字节时，汇总相对 mR@3 仍保持 100%。
关注理由 论文研究持久化三维场景图的边缘—云端存储与任务相关 payload 管理，属于可扩展三维场景表示的直接支撑技术，但摘要未明确使用 Gaussian/splat 或城市场景。
ARCH-B：建筑表示、理解与层级基准
ARCH-B: Architectural Representation, Comprehension and Hierarchy Benchmark
论文提出 ARCH-B 建筑跨表示形式理解基准，包含 354 道四选一问题，覆盖 11 类建筑表示对应关系，并基于 390 万张建筑图像构建。作者评测了 25 个多模态模型和非专家人类，发现模型在混合表示异常检测和照片匹配上较强，但平面图到照片的对应仍较弱；模型准确率为 10.45% 至 83.90%。
关注理由 构建并评测跨照片、平面图、立面图、剖面图和渲染图的建筑对应关系基准，直接支持建筑表示理解与跨视图研究。
K-OPSD：面向 AEC 图纸的可验证在线策略自蒸馏视觉语言模型后训练
K-OPSD: Verifiable On-Policy Self-Distillation for Post-Training Vision-Language Models on AEC Drawings
论文提出 K-OPSD，用过程级验证器从模型自身的多次生成中构建教师信号，并对失败提示进行带提示重采样，再以交叉熵进行在线策略更新。作者在 AECV-Bench 上微调 Qwen3-VL，报告平均评审分数 0.819、综合准确率 0.738，并在 ArchCAD 域外数据上获得迁移收益。
关注理由 面向建筑、工程与施工图的机器理解，直接提供建筑数据与解析能力支撑，但摘要未涉及城市生成或 Gaussian 表示。
WorldWeave：为视频生成构建持续生长的几何世界
WorldWeave: Growing Persistent Geometric Worlds for Video Generation
论文提出 WorldWeave，将世界状态维护与视觉渲染解耦。方法通过扩散外绘生成连续度量高程图，再由智能体结合用户意图、地形证据和区域连接约束进行分层规划、确定性几何编译与局部修订，形成可持续扩展的显式三维世界。摄像机轨迹只读查询几何并生成深度序列，引导视频合成而不回写世界状态。作者称该设计支持无预设边界的持续扩展，并保持多轨迹和重复访问的一致几何基础。
关注理由 研究可持续扩展的显式三维世界生成与结构记忆维护，属于通用可扩展三维场景生成支撑技术；摘要未明确城市、街区或建筑对象。
RRG-SLAM：面向室内场景的实时反射感知 Gaussian SLAM
RRG-SLAM: Real-time Reflection-aware Gaussian SLAM for Indoor Scenes
论文提出面向室内反射场景的实时 Gaussian SLAM。系统以 TSDF 体和基础 Gaussian 表示几何及漫反射外观，并为检测到的反射平面建立反射 Gaussian 组；通过三阶段渲染分别处理表面、基础外观和反射区域。在线流程结合反射感知跟踪、几何语义时序线索进行融合，并持续优化与裁剪 Gaussian。作者报告其在重建质量、跟踪鲁棒性和新视角渲染方面优于既有 SLAM，同时保持实时性能。
关注理由 直接研究 Gaussian 与 TSDF 混合表示、在线重建、反射建模和新视角渲染，属于三维 Gaussian 场景重建支撑技术；但对象是室内场景而非城市。
GenNVS：通过解耦三维先验增强几何的新视角合成
GenNVS: Geometry-enhanced Novel View Synthesis via Disentangled 3D Prior
论文提出 GenNVS，通过解耦三维先验改善单图像新视角合成中的几何歧义。方法分别用 3D Gaussian Splatting 建模前景对象和背景，再通过由粗到细的几何优化对齐为统一三维场景，并以 Dual-Stream Masking 将有效性掩码和几何感知变形提供给视频扩散模型。作者报告该方法在视觉质量和几何准确性上优于或接近近期方法，并支持场景编辑。
关注理由 直接使用 3D Gaussian Splatting 构建几何先验并服务于单图像新视角合成和场景编辑，属于三维 Gaussian 表示与生成支撑技术；摘要未限定城市场景。
通过观测校准与策略依赖正则化实现城市环境多尺度语义建图
Multi-Scale Semantic Mapping in Urban Environments via Observation Calibration and Policy Dependence Regularization
论文针对城市环境中从行人到建筑的多尺度语义建图问题，构建包含真实城市布局、高保真渲染和实例级标注的数据集。方法提出类别感知的观测似然校准策略，并用互信息正则化减少校准与运动策略的耦合，同时采用类别价值估计器和 Pareto 优化处理不同尺度类别间的冲突。摘要重点报告方法与数据集设计，未给出具体性能数值。
关注理由 摘要明确面向城市环境语义建图，并提供城市布局、高保真渲染和多尺度实例标注数据集，属于直接支持城市场景理解与生成的城市数据和解析基础。
FILIGREE3D：扩展用于超高分辨率图像到3D生成的稀疏潜空间流匹配
FILIGREE3D: Scaling Sparse Latent Flow Matching for Ultra-High-Resolution Image-to-3D Generation
论文提出Filigree3D，用稀疏潜空间流匹配从单张图像生成超高分辨率3D几何。方法结合空间边界、交替局部—全局注意力、多尺度图像特征和可见性感知体素正则化，以控制计算开销、保留细节并补全未观测几何。作者报告其在约一分钟内生成复杂几何，并较现有基线提升整体几何保真度和细节保持能力。
关注理由 研究单图像到高分辨率3D几何生成，属于可扩展通用3D场景生成的支撑技术，但摘要未涉及Gaussian表示或城市任务。
TaoTex：提升原生3D材质生成的纹理细节保真度
TaoTex: Boosting Texture Detail Fidelity for Native 3D Material Generation
论文提出扩散式原生3D材质生成模型TaoTex，针对文字、图案等高频纹理细节不足问题，引入数据构造代理、多层级特征融合以及从潜空间到像素空间的损失过渡。模型进一步通过可学习视点嵌入支持多视图输入和一致材质重建。作者报告其在单视图和多视图设置下的纹理细节保持优于现有方法。
关注理由 研究原生3D材质与纹理生成，并扩展到多视图一致重建，可作为建筑立面和场景资产外观生成的支撑技术；但摘要未明确城市或建筑应用。
Proxy2World：无需见过轻量代理即可从其生成世界
Proxy2World: Learning to Generate Worlds From Lightweight Proxies without Seeing Them
论文提出Proxy2World，从普通带姿态的RGBD视频学习由轻量场景代理控制的世界生成，无需代理—视频配对数据。模型联合学习深度条件RGB生成和RGBD生成，并在推理时使用代理—相机混合去噪，使生成结果遵循代理结构。作者通过ProxyBench评估多种场景、相机轨迹和运动，并报告其在结构遵循与视觉质量之间取得更好平衡。
关注理由 研究通过轻量场景代理控制世界生成中的布局和运动，并从RGBD视频学习结构化生成，可作为通用可控3D世界生成及城市场景生成的支撑技术；摘要未明确城市对象或Gaussian表示。
RoGSW4RLD：面向机器人世界模型推演的前馈式 4D Gaussian 提升
RoGSW4RLD: Feed-Forward 4D Gaussian Lifting for Robot World Model Rollouts
论文针对多摄像机视频推演彼此割裂且缺乏跨视角一致性的问题，提出 RoGSW4RLD，将同步 rollout 提升为统一的时空 4D Gaussian 场。方法分两阶段：先融合跨视角证据、机器人关节几何与运动学，再细化几何和外观并保持初始时间位移。作者在 256 个 DROID 测试 episode 上报告，相比逐相机重建，新视角 PSNR 提升 2.15 dB，深度 AbsRel 降低 47%，机器人位移误差降低 61%。
关注理由 直接研究统一、可查询的 4D Gaussian 场表示，用于融合多视角机器人世界模型 rollout；虽非城市任务，但属于 3D Gaussian 动态场景表示的支撑方法。
少即是多：用于高效新视角合成的遗传帧选择
Less Is More: Genetic Frame Selection for Efficient Novel View Synthesis
论文关注输入视图过多或冗余导致计算开销增加、重建质量下降的问题，提出无需渲染的视图选择器，依据目标覆盖、帧间冗余和图像清晰度评分候选帧，并用遗传算法离线搜索结果进行蒸馏训练。作者在六个数据集和多种输入预算下报告，该方法优于几何及重建感知基线，并可泛化到前馈重建、3D Gaussian Splatting、NeRF、目标物体重建及跨采集场景。
关注理由 研究面向新视角合成的输入视图选择，并明确泛化到 3D Gaussian Splatting；属于直接服务于 3DGS 重建效率的支撑方法，但不涉及城市任务。
通过基于深度图像的渲染实现遥感稀疏视图 3D Gaussian Splatting
Remote Sensing Sparse-View 3D Gaussian Splatting via Depth Image-Based Rendering
论文针对遥感稀疏视图下几何约束不足、深度歧义和跨视角监督缺失的问题，提出 DIBR-GS。方法将单目深度与稀疏 SfM 对齐以初始化几何，结合跨视角外观先验，并通过渐进式 DIBR 伪视图监督补充弱观测区域的几何与外观约束；同时采用高度约束的 anchor 增长策略抑制不合理扩张。作者报告仅用三幅输入视图时取得优于既有方法的结果，相比此前最佳方法 PSNR 提升 6.83 dB，SSIM 相对提升 14%，LPIPS 相对提升 60%。
关注理由 直接研究稀疏观测下的 3D Gaussian Splatting 重建，并利用 DIBR 生成伪视图进行跨视角一致性监督；同时具有遥感/高度约束背景，可作为城市与户外场景重建的支撑技术。
待确认 · 3
面向大规模点云隐式几何表示的分层频域压缩
Hierarchical Frequency-Domain Compression of Implicit Geometric Representations for Large-Scale Point Clouds
论文将无序点云映射为隐式几何场，使用平滑 Fourier 金字塔编码低频全局几何和跨尺度高频残差，并通过分层三维网络恢复高频信息，最后用等值面提取重建点云。作者报告在超过八百万点的复杂边界点云上取得更高压缩率，同时保持相近的重建质量。摘要未说明其与城市或建筑任务的直接关系。
关注理由 论文研究大规模点云的隐式几何表示与压缩，不使用 Gaussian 场景表示；摘要也未明确涉及城市、建筑或直接的城市生成支撑任务。
解锁用于三维建模的测地线 Gromov-Wasserstein 距离
Unlocking Geodesic Gromov-Wasserstein Distances for 3D Modeling
论文提出 EGGroW，一类结合熵正则 Sinkhorn 方法、GenusSink 与随机特征的高效测地线 Gromov-Wasserstein 算法，以降低稠密距离矩阵带来的立方复杂度。作者将其用于 3D 姿态估计和部分 3D 模板恢复，其中先进行容量约束的场景选择，再恢复模板可见性与对应关系。摘要称其在欧氏方法失效时仍能提供准确结果，并具有较低计算开销。
关注理由 论文研究高效的测地线 Gromov-Wasserstein 距离，用于 3D 姿态估计和 3D 模板检测。它不涉及 Gaussian/splat 场景表示或城市生成，但可作为通用 3D 几何匹配与模板恢复的支撑方法。
CAST：重建耦合的交互式世界模型加速
CAST: Reconstruction-Coupled Acceleration of Interactive World Models
论文提出 CAST，通过按交互敏感性选择锚点、进行相位感知残差重建，并协调历史 KV 路由来加速交互式世界模型。摘要报告在 Matrix-Game 3.0 和 HY-World 1.5 上获得 2.15 倍和 3.48 倍加速，同时保持接近原生模型的视觉质量。摘要未说明其与城市生成或 Gaussian 表示的直接关系。
关注理由 研究交互式世界模型的推理加速与特征重建，但摘要未明确涉及 Gaussian 场景表示、城市场景或建筑生成。