收集详情
采集完成 · 候选 565 · 已筛选 565
RSS 公告日期：2026-10-05
更新时间：2026-10-05T06:12:58.499459Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 6
SCION：使用实例化神经基元的场景组合
SCION: Scene Composition with Instanced Neural Primitives
论文针对现有 Gaussian 场景表示将重复元素独立建模、参数冗余且难以操控的问题，提出层次化组合表示 SCION。方法以紧凑的可复用神经基元词汇和轻量世界空间实例替代独立 Gaussian，并通过离散与连续参数联合优化、双层稠密化及对抗损失拟合多视角采集。作者报告其在保持细节的同时可压缩至 1.2 MB，并支持无需重新训练的实例级编辑与动画。
关注理由 直接研究基于三维 Gaussian Splatting 的可组合场景表示、压缩与实例级编辑，属于三维 Gaussian 表示的核心方法。
FactorSplat：外观可控的医学体渲染 Gaussian 代理
FactorSplat: Appearance-Controllable Gaussian Proxies for Medical Volume Rendering
论文提出 FactorSplat，用每个场景的 N 维 Gaussian Splatting 代理支持推理时输入区域特定的强度到 RGBA 传递函数。局部查找应用颜色和透明度变化，共享功能编码器及低秩 Gaussian 因子学习残余外观响应，同时共享几何和方向外观，并通过传递函数感知剪枝控制结构显隐。在七个 CT/MR 扫描上，作者报告其在多种编辑划分中优于 VEG，平均 PSNR 提升 1.10–1.52 dB，渲染速度平均 524 FPS。
关注理由 直接提出可在推理时控制外观、颜色与可见性的 N 维 Gaussian Splatting 场景代理，属于 Gaussian 表示与编辑方法；应用领域为医学体渲染而非城市。
Budgeted-GS：通过分解式细节层级实现实时大规模 Gaussian Splatting
Budgeted-GS: Real-Time Large-Scale Gaussian Splatting via Factoring LOD
论文针对 3DGS 在城市尺度下原语数量多、内存占用高的问题，提出将模型组织为基于矩匹配聚合的多分辨率 factoring tree，并根据设备预算按视图选择细节层级。训练阶段还可直接估计所需原语数量，避免先训练再压缩。作者报告在 13 个公开场景验证容量下限，并在城市捕获场景上以 1920×1080、完整球谐系数实现单消费级 GPU 实时渲染。
关注理由 直接研究大规模 3D Gaussian Splatting 的层次化表示、压缩和可扩展实时渲染，并验证于城市捕获场景。
PocketSplat：通过世界空间潜变量分配实现移动端 Gaussian 重建
PocketSplat: Mobile Gaussian Reconstruction via World-Space Latent Allocatio
论文面向移动端 Gaussian 重建，提出 PocketSplat 以预设输出预算为约束，在预测世界空间中组织几何感知潜变量，并将整数容量分配到局部单元，仅为保留候选解码完整 Gaussian 属性。方法通过单元条件潜变量融合多视图证据，并在稀疏化后调整 Gaussian 支撑范围。作者在 DL3DV、分布外数据及 Mip-NeRF 360 上报告了质量—预算权衡和 iPhone 端运行结果。
关注理由 直接研究面向移动设备预算的 Gaussian 场景重建与资产构建，涉及世界空间分配、多视图融合和稀疏化。
ChromaGS：文本驱动的 4D Gaussian 头像语义编辑
ChromaGS: Text-Driven Semantic Editing of 4D Gaussian Avatars
论文提出 ChromaGS，用于实时、无需重新训练的语言引导 3D Gaussian 头像颜色编辑。方法为每个 Gaussian 学习语义区域软分配，并将颜色分解为区域级基础颜色与 Gaussian 级残差；修改区域基础颜色即可传播到相关 Gaussian，同时保留细节。两阶段语言管线支持绝对颜色和相对调整。作者报告其具有确定性、精确局部控制，并在多种对象上保持外观细节。
关注理由 直接研究可动画 3D Gaussian 头像的语言引导语义颜色编辑，属于 Gaussian 表示编辑方向。
ManifoldSplat：语言引导的3D Gaussian头像语义形状编辑
ManifoldSplat: Language-Guided Semantic Shape Editing of 3D Gaussian Head Avatars
论文提出ManifoldSplat，用于对单目视频重建的可动画3D Gaussian头像进行语言引导的语义形状编辑。方法在结构化FLAME流形中编辑而非直接优化无结构Gaussian云，引入按区域解耦的DeltaRegion条件VAE生成形状变化，并通过细化阶段恢复视角一致细节。作者报告其可在约90秒内完成重建和编辑，并实现约800 FPS渲染，在局部提示对齐、几何一致性和身份保持方面达到作者声称的最新水平。
关注理由 论文直接研究可动画3D Gaussian Splatting头像的语言引导语义形状编辑，属于3DGS的编辑与可控生成方向；研究对象是人头头像而非城市，但与3DGS研究兴趣直接相关。
相关方法 · 4
SpectralCache：通过谱特征缓存加速基于扩散的世界模型
SpectralCache: Accelerating Diffusion-Based World Models via Spectral Feature Caching
论文观察到扩散世界模型在相邻去噪步骤中的特征具有稳定的奇异子空间和可预测的奇异值变化，据此提出无需训练的 SpectralCache。方法复用稳定子空间、线性外推低维奇异值，并跳过部分昂贵的骨干网络计算。摘要报告在 HunyuanWorld-Voyager-13B 上实现 5.22 倍加速，同时静态场景 WorldScore 为 65.90。
关注理由 研究扩散世界模型的推理加速，直接面向可交互环境生成的可扩展性，可作为通用三维/环境生成的支撑技术；但摘要未明确涉及城市场景或 Gaussian 表示。
T3lescope：任意分辨率的高保真生成式表面重建
T3lescope: Arbitrary-Resolution High-Fidelity Generative Surface Reconstruction from Images
论文从姿态已知的多视图图像重建高保真 3D 场景网格，提出在推理阶段采用粗到细级联：粗层建立场景布局，细层在逐步细化的空间单元内扰动并去噪继承的几何。模型在多尺度单元上训练并跨层共享权重，从而可在推理时决定层数、单元尺度和位置。作者报告其覆盖室内、室外及城市尺度场景，并恢复细结构、光泽和透明表面。
关注理由 研究可扩展的高保真 3D 场景表面生成式重建，并明确覆盖 city-scale 场景，属于城市场景生成的直接支撑方法。
OuroReward：文本到 3D 生成强化学习的序列奖励调度
OuroReward: Sequential Reward Scheduling for Reinforcement Learning in Text-to-3D Generation
论文针对文本到 3D 生成中语义对齐、纹理清晰度等奖励目标相互干扰的问题，提出干扰感知的序列奖励调度方法 OuroReward。方法估计质量维度间的成对依赖，构造低干扰优化路径，并根据当前奖励的剩余优化空间自适应切换目标；同时用 AdaSelect 选择与模型能力匹配的提示。作者报告在不同文本到 3D 模型和强化学习算法上持续改善多维生成质量，但摘要未说明城市或建筑场景实验。
关注理由 直接研究 Text-to-3D 生成的强化学习优化策略，但摘要未说明其面向城市、建筑或立面；可作为通用 3D 内容生成支撑技术。
UniDynamics：事件-RGB融合的统一未来4D动态场景生成
UniDynamics: Event-RGB Fusion for Unified Future 4D Dynamic Scene Generation
论文提出基于扩散模型的UniDynamics，从单个事件-RGB对预测未来4D动态场景。方法通过事件潜变量增强模块提供运动、纹理和结构条件，并在多尺度U-Net中引入感知动态空间，联合约束深度、光流与外观。作者在VKitti2和DSEC上报告了高质量、时空一致的预测结果，尤其改善了高速运动模糊场景。
关注理由 摘要直接研究由事件-RGB输入生成未来4D动态场景，涉及RGB、深度和光流，并在VKitti2与DSEC上验证；可作为通用户外动态场景生成的支撑技术，但未涉及城市布局、建筑或Gaussian表示。
待确认 · 3
EditHero：长时程部件级三维编辑与氛围建模基准
EditHero: A Benchmark for Long-Horizon Part-Level 3D Editing and Vibe Modeling
论文提出 EditHero 基准，用于评估三维资产在长序列修改中的指令遵循和未编辑区域保持能力。基准通过确定性组装引擎生成每一步精确目标，并比较自顶向下的非智能方法与通过代码检查网格、局部重写的 LLM/VLM 代理。摘要报告称代理通常更能遵循指令并保持未编辑部分，但单次编辑耗时数分钟；数据和引擎将公开以支持可靠的迭代式三维编辑研究。
关注理由 研究长时程部件级三维编辑基准，涉及几何和纹理编辑，但摘要未指向 Gaussian/splat 表示、城市场景或建筑资产。可作为一般三维编辑支撑参考。
将八叉树作为显式三维语言
Octrees as an Explicit 3D Language
论文提出 OctLLM，以显式八叉树占据 token 保留三维几何的坐标与深度结构，并通过随机清空节点及省略后代构造更短的稀疏八叉树。模型将三维容量置于独立可训练分支中，保持原有视觉语言路径冻结，同时通过共享自注意力交互。作者报告其相较 ShapeLLM-Omni 将图像到三维 FID 降低 17.4%，渲染相关描述准确性提高 28.7 个百分点，并保持通用语言能力。
关注理由 研究显式八叉树序列用于统一多模态三维理解与生成，未使用 Gaussian/splat 表示，也未直接面向城市或建筑生成；可作为通用三维表示支撑。
空间记忆智能：以理解驱动的长期记忆赋能世界模型
Spatial Memory Intelligence: Endowing World Models with Understanding-Driven Long-Term Memory
论文提出 Spatial Memory Intelligence，用空间聚类、簇内稀疏化、动作感知检索和可靠性感知过滤管理长视频世界模型的长期空间记忆。摘要称该框架提升了记忆稀疏性、生成稳定性和空间一致性，但未说明场景类型及其与城市生成或 Gaussian 表示的直接关系。
关注理由 研究长视频世界模型的空间记忆管理，摘要未明确涉及三维 Gaussian 表示、城市场景或城市生成。