收集详情
采集完成 · 候选 767 · 已筛选 767
RSS 公告日期：2026-09-30
更新时间：2026-09-30T06:17:52.850246Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 9
FLOORA：面向建筑设计的人类对齐领域专用语言模型
FLOORA: A Human-Aligned Domain-Specific Language Model for Architectural Design
论文提出 FLOORA，一组面向建筑布局生成的领域专用语言模型。方法结合高效 DSL、自定义分词、领域预训练、监督微调，以及基于人类偏好和可验证奖励的强化学习，以提升建筑和几何有效性。摘要报告其 0.6B 模型在真实建筑和合成建筑上的 VLM 评测胜率最高分别达 92.0% 和 96.0%，并在人工评测中有 89.3% 的样本被选为最佳模型。
关注理由 直接研究建筑布局生成，输出结构化建筑布局，并针对建筑与几何有效性进行优化，属于城市生成中的城市布局方向。
CrossTimeEdit：跨十年的跨视角数据集与奖励引导的历史街景生成编辑
CrossTimeEdit: A Decade-Spanning Cross-View Dataset and Reward-Guided Editing for Historical Street-View Generation
论文构建覆盖11座城市、43,653个地点四元组的VIGOR-his数据集，并将历史街景生成建模为编辑任务。方法以近期街景约束视角和未变化区域，以卫星时序差异提供变化证据，通过监督微调与在线强化学习优化指令一致性、背景保持和视觉及物理合理性。作者报告其相较预训练基线在三项指标上的总体性能提升17.12%，并优于跨视角生成模型。
关注理由 直接研究历史街景生成，使用跨视角卫星与街景信息恢复城市过去外观，属于城市跨视角生成与城市数据支持。
AESplat：通过解耦外观建模推进无位姿前馈3D Gaussian Splatting
AESplat: Advancing Pose-Free Feed-Forward 3D Gaussian Splatting via Decoupled Appearance Modeling
论文针对现有无位姿前馈3DGS将视角无关与视角相关外观统一预测的问题，提出AESplat。方法直接从输入图像获取零阶球谐系数，再由带有3D感知归纳偏置的浅层多层感知器预测高阶系数，以分别建模基础外观和视角变化。作者在多个数据集上报告了优于现有方法的结果，在RealEstate10K上相较NAS3R提升0.8 dB PSNR，相较DepthSplat提升1.1 dB。
关注理由 直接研究无位姿前馈3D Gaussian Splatting的外观建模与新视角合成，属于3DGS核心方向。
DispFlow-GS：带运动解耦的单目可变形三维 Gaussian Splatting 位移流监督
DispFlow-GS: Displacement Flow Supervision with Motion Disentangling for Monocular Deformable 3D Gaussian Splatting
论文针对 Gaussian 流与光流之间的域差距，提出将每个 Gaussian 的三维位移投影到图像平面的 Displacement Flow 监督，并通过中间视角渲染解耦场景运动与相机运动。作者报告该方法在动态场景基准上将运动定位和运动—渲染一致性最多提升 39% 和 6%，同时提出 DRC 指标揭示运动质量与图像指标之间的差异。
关注理由 直接研究可变形 3D Gaussian Splatting 的动态场景重建、运动监督与运动感知评估，属于 3DGS 核心方向。
三维 Gaussian Splatting 的先验驱动增强：法线与深度正则化
Prior-Driven Enhancements in 3D Gaussian Splatting: Normals and Depths Regularization
论文将表面法线和稠密深度先验引入 3DGS 优化，通过协方差与局部表面结构对齐提升几何一致性，并结合 SfM 初始点增强逐像素深度估计。作者在街景和高反射环境等数据上进行评估，报告方法改善了几何精度与视觉质量，并兼容多种 SfM 流程。
关注理由 直接研究 3DGS 重建中的法线与稠密深度几何先验，并在街景数据上验证，属于 3DGS 重建与城市/户外场景支撑方向。
NRF-GS：用于高表现力与紧凑 Gaussian Splatting 的神经残差场
NRF-GS: Neural Residual Fields for Expressive and Compact Gaussian Splatting
论文针对标准 3DGS 低阶球谐难以表达高频视角相关反射、因而需要大量冗余 Gaussian 的问题，提出 NRF-GS。方法为每个 Gaussian 保留紧凑外观特征和 Lambertian 基色，并用共享的场景级 MLP 根据视角、距离及 Gaussian 特征预测神经残差，从而兼顾局部表示与全局参数共享。摘要报告该方法在保持相当或更好渲染质量的同时，最多减少 50% 的 Gaussian，并改善高光和高频细节。
关注理由 直接研究 3D Gaussian Splatting 的外观表示、渲染表达能力与压缩，通过共享神经残差场减少冗余 Gaussian，属于 3DGS 核心方向。
WINGS：基于三维原生生成先验的无参考 Gaussian Splatting 修复
WINGS: Reference-Free Gaussian Splatting Inpainting with 3D-Native Generative Priors
论文研究无需二维修复参考视图的 3D Gaussian Splatting 场景修复。方法利用大型预训练三维先验的嵌入空间，并结合结构补全网络驱动生成先验，在三维空间中重建掩膜区域的几何与外观。作者报告称，该流程避免了多视图修复结果的一致性协调，且较二维方法更快，并通过定性、定量实验和用户研究验证有效性。
关注理由 直接研究 3D Gaussian Splatting 场景编辑与缺失区域生成，属于三维 Gaussian 表示的生成和编辑。
EndoPrior-GS：基于联合纹理先验的动态内窥镜重建
EndoPrior-GS: Dynamic Endoscopic Reconstruction with a Joint Texture Prior
论文针对可变形内窥镜环境中的三维 Gaussian Splatting 重建，解决伪几何和光照变化问题。方法从有效组织掩膜、非镜面光度过滤和解剖结构显著性构建联合纹理先验，以概率图引导原语初始化和密度控制，并加入时间维度的纹理感知项来加权原语贡献。在 EndoNeRF 和 SCARED 上，作者报告 Flow Error 相比代表性方法分别降低 27.7% 和 25.8%，同时保持具有竞争力的渲染质量与实时速度。
关注理由 直接研究 3D Gaussian Splatting 在动态可变形场景中的重建、初始化和密度控制，属于三维 Gaussian 场景表示方法。
Imagine3D-LLM：让多模态大语言模型在回答前想象三维场景
Imagine3D-LLM: Teaching MLLMs to Imagine 3D Scenes Before Answering
论文研究多模态大语言模型从多视图图像形成一致三维理解的问题。方法在图像 token 后加入可学习总结 token，将其解码为紧凑的 3D Gaussian Splatting 表示，并以光度重建损失与下一词预测联合训练。作者报告称，重建监督增强了模型内部的跨帧对应关系，使模型在多个空间推理和三维理解基准上持续优于已有方法。
关注理由 使用多视图图像解码紧凑的 3D Gaussian Splatting 表示，并将其用于三维理解和空间推理，直接涉及 Gaussian 表示与跨视图建模。
相关方法 · 5
OTT3R：以 1% 计算量实现多视角三维重建与快速数据集生成
OTT3R: Multi-View 3D Reconstruction and Fast Dataset Generation at 1% Compute
论文提出 OTT3R，通过知识蒸馏将大规模前馈三维重建模型压缩为 102M 参数学生模型，并构建替代 COLMAP 的高吞吐伪标签管线。该管线从 667K 张图像生成稠密点图和相机位姿；摘要报告学生模型压缩 9.4 倍、推理最高加速 7 倍，并在特化后于 7-Scenes 上以 980 倍吞吐达到高于 COLMAP 的准确率。其与城市任务的联系主要体现在可扩展三维重建和数据生成支撑，摘要未说明城市数据或 Gaussian 输出。
关注理由 论文提出高效的多视角三维重建与伪标签生成方法，属于可扩展三维场景重建支撑技术；但摘要未明确涉及 Gaussian/splat 或城市场景。
LEGO-Anything：用于三维场景重建的代码智能体
LEGO-Anything: Coding Agents for 3D Scene Reconstruction
论文提出 LEGO-Anything，将图像到三维重建转化为代码智能体反复编写、执行和修订 Blender 程序的过程，并提出 LEGO-Bench 评估工件有效性、可见表面几何和渲染外观。作者报告 GPT-6-astra 在室内和室外场景上的总体得分分别为 53.4% 和 39.6%；训练免除的 LEGO-Plugin 使六个模型均有提升，最高相对增益为 62.7%。该方法提供了可检查、编辑和查询的程序化场景表示，但摘要未涉及 Gaussian 或专门城市场景。
关注理由 论文将单图像三维重建表示为可执行、可编辑、可查询的场景程序，并面向室内外场景进行程序化构建，属于城市场景生成可借鉴的程序化创建支撑技术；但未专门研究城市。
Code4Scene：评测用于构建和编辑3D场景的代码智能体
Code4Scene: Benchmarking Coding Agents for Constructing and Editing 3D Scenes
论文提出Code4Scene基准，包含190个Unreal Engine案例，用于评测代码智能体构建和编辑3D场景的能力。基准分别考察从语言规格进行场景构建，以及根据参考图像恢复目标状态并保持其他内容不变的编辑任务，并从任务完成度、资产完整性和静态物理有效性评价结果。作者报告不同构建与编辑能力并不等价，空间组合是构建中最弱的类别，最佳Repair F1仅为0.527，且部分成功恢复目标的编辑仍会引入额外改动。
关注理由 研究代码智能体构建和编辑可执行3D场景，涉及场景级空间布局与编辑；但摘要未限定为城市场景，因此属于城市生成的支撑技术。
场景重定向：利用类比迁移学习习对象放置
Scene Retargeting: Learning Object Placement with Analogical Transfer
论文将场景重定向形式化为跨布局稳定迁移语义一致的空间组织，而非依赖文本描述或成对关系。方法采用按簇迁移处理对象实例不匹配和不同平面，通过保留基础特征的空间分布维护簇的语义上下文，再加入墙体接触、对象对齐以及通道和开口等物理约束。作者在3D-FRONT布局生成上报告优于现有方法，并展示了真实到仿真迁移、类比轨迹迁移和多参考组合等应用。
关注理由 直接研究跨布局的语义对象空间组织转移与布局生成，虽然面向室内场景，但属于可迁移的布局生成支撑技术。
UniBuild：结合细节解码与几何正则化的多源光学遥感统一建筑制图
UniBuild: Unified Building Mapping From Multi-Source Optical Remote Sensing Imagery With Detail Decoding and Geometry Regularization
论文提出 UniBuild，通过多数据集联合训练学习跨传感器和分辨率的建筑表示，使用 HR-DPT 解码器恢复细节，并以方向感知损失和鞍点感知损失改善边界一致性及相邻建筑分离。作者在 10 个公开高分辨率数据集和两个自建低分辨率数据集上报告了更好的建筑区域精度、边界清晰度和建筑分离效果，输出掩膜可进一步多边形化为 GIS 建筑轮廓。
关注理由 直接服务城市建筑制图，输出可转换为 GIS 建筑轮廓，属于城市生成相关的建筑解析与重建支撑技术；但不是完整城市生成方法。
待确认 · 3
VGGT 系列需要全部层吗？
Does the VGGT Family Need All Its Layers?
论文系统分析 VGGT、π³ 和 VGGT-Ω 的层冗余，在室内外数据集上评估相机位姿与稠密几何性能，并提出基于 CKA 的剪枝搜索及闭式线性校准。摘要显示参数最多可减少 44%，但未说明与 Gaussian 场景表示或城市生成的直接联系。
关注理由 研究 VGGT 系列前馈几何模型的层剪枝与校准，虽涉及相机位姿和稠密三维结构，但摘要未显示其使用 Gaussian 表示或直接服务城市生成。
Seg3DParts：基于分割的可控部件级三维生成
Seg3DParts: Segmentation-Grounded Controllable Part-Level 3D Generation
论文以分割结果作为显式条件，生成与图像区域对应的部件网格，并通过跨部件交互增强整体结构一致性；同时构建包含超过 20 万个物体和 100 万个标注部件的数据集。摘要未说明这些资产是否面向城市或建筑生成。
关注理由 研究从单张图像生成可控的部件级三维网格，具有资产组装潜力，但摘要未明确涉及城市、建筑或 Gaussian 场景表示。
TaoFlowForge：通过级联流匹配进行渐进式原生网格生成
TaoFlowForge: Progressive Native Mesh Generation via Cascaded Flow Matching
论文提出 TaoFlowForge 艺术网格基础模型，将网格生成拆分为顶点生成和连接关系预测。顶点采用两阶段由粗到细流程，连接阶段估计顶点间连接亲和度，并预测顶点法线以确定面片方向；同时构建并筛选包含手工资产和公开拓扑数据的大规模数据集。摘要称，在图像条件生成任务上，该方法优于自回归方法，并在开源网格拓扑生成器中取得作者所称的 state-of-the-art 结果。
关注理由 摘要研究通用图像条件艺术网格生成、拓扑预测与生产级 3D 资产，属于可扩展 3D 内容生成的邻近支撑方向，但未明确面向城市、建筑或 Gaussian 表示。