收集详情
采集完成 · 候选 827 · 已筛选 827
RSS 公告日期：2026-10-02
更新时间：2026-10-03T18:04:31.752875Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 8
DSSR-3D：3D 高斯中的解耦式视角相关指代推理
DSSR-3D: Decoupled Reasoning for View-Dependent Referring in 3D Gaussians
论文针对现有 3D Gaussian 指代场采用全局视角不变语言特征、难以理解“左侧”等观察者相关关系的问题，提出无需重新训练的 DSSR-3D。方法将语义定位与位姿条件空间推理解耦，结合温度锐化定位和基于投影的方向评分，并通过轻量级无训练步骤融合。作者报告其可零样本迁移到不同语义场，并在 ViewRef-GS 与增强版 Ref-LERF 上优于既有 3DGS 指代方法。
关注理由 直接研究连续 3D Gaussian 场中的视角相关指代表达分割与空间定位，属于 3DGS 语义理解和定位方向。
GS-PQM：面向压缩 Gaussian Splatting 的参数域质量度量
GS-PQM: A Parameter-Domain Quality Metric for Compressed Gaussian Splatting
论文针对现有 GS 压缩质量评价依赖预设视角渲染、结果受视角选择影响的问题，提出直接在 GS 参数域运行的全参考指标 GS-PQM。方法从参数域失真误差中提取信息，并使用支持向量回归估计感知质量。作者报告该指标在压缩 GS 内容评价中优于 25 个图像、视频和点云质量指标，同时避免渲染预设视角，具有较高计算效率。
关注理由 直接研究 Gaussian Splatting 压缩后的参数域质量评估，属于 GS 表示压缩与质量评价方向。
是什么构建了场景？亮度主导3D Gaussian Splatting中的几何形成
What Builds the Scene? Luminance Dominates Geometry Formation in 3D Gaussian Splatting
论文通过分别使用不同通道监督训练3DGS，冻结位置、尺度、旋转和不透明度后重新估计外观，以隔离亮度与色度对表示学习的贡献。作者在11个场景、每个场景4次独立实验中发现，亮度监督形成的几何接近RGB监督，而仅色度监督明显更差；高阶球谐对亮度重建的提升也显著高于色度。
关注理由 直接研究标准3D Gaussian Splatting中亮度与色度监督对几何和外观学习的作用。
HierGF：通过几何感知消息传递实现层次化Gaussian Fields稀疏视图三维重建
HierGF: Hierarchical Gaussian Fields via Geometry-perception Message Passing for Sparse-view 3D Reconstruction
论文针对稀疏视图导致的匹配不足、结构缺失和启发式密度控制问题，提出Hierarchical Gaussian Fields。方法利用两阶段几何感知网络将粗略三维几何与二维生成先验转化为伪监督，并加入可学习置信度网络和几何一致的致密化模块，以改善跨视图对齐及欠采样区域的重建。
关注理由 提出Hierarchical Gaussian Fields用于稀疏视图三维重建，直接关注Gaussian场景表示、跨视图一致性和几何补全。
面向视频表示中规范Gaussian构建的仿射对齐图集
Affine-Aligned Atlas for Canonical Gaussian Construction in Video Representation
论文指出大幅相机运动会使canonical Gaussian与视频帧错位，从而增加时间变形模型负担。其方法在构建canonical Gaussians前，将帧级仿射变换用于吸收全局运动，并在更大的仿射对齐图集空间中建立表示。摘要称该改动几乎不增加参数，并在大幅相机运动序列上改善重建质量。
关注理由 直接研究视频中的canonical Gaussian表示、全局运动吸收和动态重建质量。
面向动态场景的紧凑显式 4D 表示
A Compact Explicit 4D Representation for Dynamic Scenes
论文提出 Sparc4D，将已知相机的单目视频编码为稀疏 4D 场景状态。静态特征在视频片段间共享，时变特征由空间锚定的时间槽压缩，并通过稀疏解码器生成 2D Gaussian surfels；源图像像素经几何重投影保留纹理。作者报告其在首 32 帧协议上达到 21.70 dB，高于 MoVieS 的 20.40 dB；关闭纹理存储后，时变特征中位压缩 4 倍且重建质量基本不变。
关注理由 直接研究动态 4D 场景表示，并以 2D Gaussian surfels 作为稀疏解码输出，关注新视角重建、压缩与跨数据集泛化。
MEGA：通过空间视觉蒸馏从 3D Gaussian Splatting 提取对象级网格
MEGA: Object-Level Mesh Extraction from 3D Gaussian Splatting via Spatial Visual Distillation
论文提出 MEGA，以“先分割后网格”的方式从复杂 3DGS 场景中提取对象级封闭网格。方法包括空间视觉蒸馏：将 3DGS 作为教师，从多种相机姿态渲染分割对象视图，再通过光度监督训练掩码引导的神经表面重建模块。作者报告其在多个基准上实现对象级 3D 占据恢复的最佳性能，并支持将高质量网格用于几何占据、将 3DGS 用于逼真渲染，从而实现物理交互。
关注理由 直接以 3D Gaussian Splatting 为输入，研究对象级、封闭网格提取及其与 3DGS 渲染的结合。
EvenSplat：曝光与光照变化下的耦合2D-3D Gaussian分解
EvenSplat: Coupled 2D-3D Decomposition for Gaussian Splatting under Exposure and Illumination Variation
论文针对多视图重建将曝光和光照伪影错误吸收到几何与颜色中的问题，提出EvenSplat。方法联合图像空间光照分解与由Gaussians承载的光照场，并加入相机响应网络和局部曝光补偿模块。在真实采集和模拟数据、不同不均匀照明条件下，作者报告其总体优于现有方法，尤其在高对比照明下表现更好。
关注理由 直接研究3D Gaussian Splatting在跨视角曝光变化、空间光照变化和高对比照明下的重建与光照分解。
相关方法 · 11
板块局部河流生成：面向无限程序化世界的确定性、地形感知下坡河流
Plate-Local River Generation: Deterministic, Terrain-Aware, Downhill-Flowing Rivers for Infinite Procedural Worlds
论文针对固定域方法难以扩展到无限世界、而无限世界方法又难以保证河网连贯性和下坡流动的问题，提出板块局部的确定性河流算法。方法在每个板块的低分辨率地形网格上从高地源点追踪河流，并单调调整河流高度；河网按需生成和缓存，在最终地形采样时进行精确距离计算与高度融合。作者报告该设计保证最终地形中的河道下坡流动，并支持交互式程序化世界的按需评估。
关注理由 研究无限程序化世界中的地形与河流生成，属于可扩展程序化场景生成的直接支撑技术，但摘要未涉及城市、建筑或道路布局。
Dirichlet Splatting：面向波动逆问题的可微渲染
Dirichlet Splatting: Differentiable Rendering for Wave-Based Inverse Problems
论文指出Gaussian splatting不适合保留相干成像中的旁瓣能量与相位，因此以有限窗DFT的Dirichlet核替代Gaussian足迹，并结合DSFW优化器和LM校正实现端到端可微重建。作者报告其前向模型可精确匹配FFT结果，在致密太赫兹重建中达到0.018 bin RMSE，并比波形级自动微分快10至50倍。
关注理由 将3D Gaussian splatting替换为适用于相干成像的Dirichlet核，并使用surfel进行可微渲染；属于与Gaussian splatting直接相关的邻近物理表示方法。
Dyna3：通过深度基础模型进行 VLM 引导的免训练 4D 重建
Dyna3: VLM-Guided Training-Free 4D Reconstruction via Depth Foundation Models
论文提出免训练的 Dyna3，将 Depth Anything 3 的跨视图特征与跨帧最佳匹配结合，以区分静态表面和动态对象；同时利用 VLM 为 SAM 3 自动生成场景语义提示，实现实例级动态分割。重建阶段将场景拆分为跨帧对齐的静态背景和逐帧动态点云。作者在四个数据集上报告，相比 VGGT4D 动态对象分割 J-Mean 提升 5.5 个百分点，姿态估计最高快 13 倍，4D 重建最高快 3 倍。
关注理由 直接研究动态 4D 场景重建与静动态分解，但摘要未涉及 Gaussian 或 splat 表示；可作为相关 3D 动态重建支撑技术。
3DROID：带场景级可靠性测量的可渲染3D Gaussian数据集
3DROID: A Renderable 3D Gaussian Dataset with Measured Per-Scene Reliability
论文研究相机外参可靠性和位姿条件如何影响前馈3DGS的视图合成与几何重建，提出将场景锚定到机器人度量工作空间的校准感知流程。作者报告称，位姿条件提升新视角保真度，但几何收益取决于外参可靠性，并据此构建带可靠性标注的可渲染数据集。
关注理由 直接研究可渲染3D Gaussian表示的重建、位姿条件与度量尺度可靠性，并发布带场景级可靠性信息的数据集；应用虽为机器人操作，但属于3DGS表示与数据支撑。
CLoSeR：为长上下文流式重建闭合回路
CLoSeR: Closing the Loop for Long-Context Streaming Reconstruction
论文针对流式3D重建在长序列中因误差累积产生的跟踪漂移，提出基于全局描述子检索闭环候选、构造闭环窗口估计相对位姿，并结合序列约束和闭环约束在SE(3)流形上优化所有帧位姿的方法。作者报告称，该方法能减少漂移并在公里级序列中生成一致几何，优于现有方法。
关注理由 研究长序列、公里级3D流式重建中的闭环与漂移抑制，属于可扩展户外3D场景重建，可为城市级场景重建提供支撑，但摘要未明确城市或Gaussian表示。
使用2D视觉语言模型的任务自适应有据3D程序员
Task-Adaptive Grounded 3D-Programmers Using 2D VLMs
论文提出3D-Prog框架，通过Canonical Coordinate Framing将输入输出锚定到统一欧氏坐标系，并利用Task-Adaptive Feedback形成迭代推理闭环，使无需重新训练的2D VLM执行开放词汇3D理解、操作和生成。作者报告其在多种3D任务上取得一致、可解释且高质量的结果。
关注理由 摘要研究通用3D理解、操作与生成框架，使用坐标规范化和反馈回路增强2D VLM的3D场景级能力；虽未涉及Gaussian表示或城市任务，但可作为通用3D场景生成与理解的支撑技术。
SPHERE：基于LLM增强空间偏好学习与人在环强化学习的自适应VR室内场景生成
SPHERE: Adaptive VR Indoor Scene Generation via LLM-Enhanced Spatial Preference Learning and Human-in-the-Loop RL
SPHERE从语音和控制器编辑中提取持久空间偏好，并将编辑抽象为描述局部功能与全局拓扑的层次化约束；同时通过人在环强化学习更新检索策略。作者基于42人混合设计研究和离线消融报告，方法可减少纠正编辑与身体负担，并生成更符合用户偏好的布局。
关注理由 摘要直接研究可控3D场景生成与空间布局适应，提出从用户交互中学习层次化局部功能和全局拓扑约束；虽聚焦室内场景而非城市，但对布局生成和人机协同创作具有支撑价值。
DiDE：通过直接注入实现颜色—纹理解耦的3D风格化
DiDE:Direct Injection with Color-Texture DEcoupling for 3D Stylization
DiDE针对现有3D风格化中颜色和纹理联合迁移、难以独立控制的问题，利用图像到3D模型潜空间中的通道划分，将内容、纹理和颜色分别处理，并在注意力层中组合。作者在新建的Disen3D-Bench上报告其在颜色保真度、纹理迁移和内容保持方面持续优于2D与3D风格化基线。
关注理由 摘要研究可控3D资产生成后的颜色与纹理解耦编辑，能够保留内容几何并独立注入外观属性；对建筑资产和立面材质编辑有潜在直接支撑，但摘要未明确涉及城市或建筑。
GeoLatent：通过几何引导的潜变量结构化与路由优化实现3D推理
GeoLatent: Geometry-Guided Latent Structuring with Routed Optimization for 3D Reasoning
GeoLatent提出CR-GEO和路由优化，将共享与残差教师几何分离，并在训练阶段引导视觉答案学习通过几何潜变量完成。摘要报告CR-GEO将几何有效秩从1.00提升至3.87；在128个固定问题上阻断潜变量读取会使方向准确率从89.1%降至25.8%，最终模型在SPAR-Bench和SPBench上分别达到73.0%和72.1%。
关注理由 摘要研究从2D图像进行连续几何表示与3D空间推理，分解位置、方向和全局几何并通过路由优化训练；可作为3D场景理解与几何推理的支撑技术，但未涉及Gaussian表示或城市任务。
SILSA：用于保持拓扑的高分辨率三维生成滑动窗口切片潜变量
SILSA: Sliding-Window Slice Latents for Topology-Preserving High-Resolution 3D Generation
SILSA以沿三个主轴排列的重叠滑动窗口切片潜变量替代高成本体素token，并通过Slice VAE、稀疏体积解码器和共享三维工作空间协调多方向切片流。方法加入切片级拓扑监督，以保持薄结构、重复部件和长程连通性。作者报告称，该方法相较最强基线提升PSNR、覆盖率和Betti误差指标，同时显著减少token数量、训练内存和推理时间。摘要未说明其在城市或建筑数据上的实验。
关注理由 论文提出面向高分辨率通用3D形状生成的切片潜变量与拓扑监督，可作为城市建筑或场景几何生成的直接支撑表示方法，但摘要未说明城市任务或Gaussian表示。
One Basis to Animate Them All：用于实时头像的Gaussian Blendshape蒸馏
One Basis to Animate Them All: Gaussian Blendshape Distillation for Real-Time Avatars
GALA针对预训练3D Gaussian头像模型的神经动画推理成本，发现动画可由身份无关的blendshape线性组合近似，并以浅层系数预测器替代逐帧重型神经解码。方法使用考虑渲染质量和内存预算的局部PCA构建基，并支持面部表情、全身及衣物动态。作者在三种头像模型上报告称，CPU动画成本最多降低三个数量级，在保持大部分渲染质量的同时，移动设备帧率可达60fps。
关注理由 摘要明确研究3D Gaussian avatar的动画与加速，属于Gaussian表示的动态建模和高效推理方向，但对象是人物头像与全身动画，不是城市场景。
待确认 · 2
Memorizon：超越上下文窗口训练世界模型
Memorizon: Training World Models Beyond Their Context Window
论文针对世界模型在重复访问时保持地点一致性的问题，引入基于相机共可见性的潜变量检索和有界共享记忆库，以降低长跨度监督的注意力开销。摘要报告其提升了重复访问一致性，但未说明与Gaussian场景表示或城市生成的直接关系。
关注理由 研究流式世界模型在长时间跨度重复访问中的记忆检索与一致性；摘要未说明其使用Gaussian表示或面向城市生成。
VASC：带跨层记忆的价值感知稀疏注意力高效三维重建
VASC: Value-Aware Sparse Attention with Cross-Layer Memory for Efficient 3D Reconstruction
论文提出无需训练的VASC稀疏注意力方法，通过结合查询键相关性、邻域值对比和跨层执行记忆，在固定计算预算下减少冗余并照顾未服务区域。作者在7Scenes和NeuralRGB-D上报告其改善姿态估计与重建质量，并将推理速度提高至稠密VGGT的2.29倍。
关注理由 研究通用前馈3D视觉模型的稀疏注意力和高效重建；摘要未明确使用Gaussian表示，也未涉及城市或建筑任务。