收集详情
采集完成 · 候选 507 · 已筛选 507
RSS 公告日期：2026-10-07
更新时间：2026-10-07T06:09:35.217560Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 4
OpenSplatGraph：从稠密语义地图到开放词汇机器人感知的结构化场景图
OpenSplatGraph: From Dense Semantic Maps to Structured Scene Graphs for Open-Vocabulary Robot Perception
论文试图解决3DGS语义通常以非结构化特征场表示、难以进行对象级推理的问题。方法在稠密Gaussian语义地图上加入带可靠性统计的语义场，根据查询提取对象实例，并将其关联到可持续更新的图节点，从而增量维护对象属性和关系。作者在标准三维场景理解基准及真实机器人实验中报告了具有竞争力的在线开放词汇感知和下游机器人任务表现。
关注理由 直接从在线Gaussian开放词汇语义地图构建持久三维场景图，研究3DGS语义理解、结构化表示和机器人定位相关能力。
使用标准视频编解码器的高效Gaussian Splatting序列压缩
Efficient Gaussian Splatting Sequence Compression with Standard Video Codecs
论文研究缺少跟踪原语信息时Gaussian Splatting序列难以形成稳定帧间相关的问题，提出GSCV及Inter-PLAS排序方法，使I帧与P帧对应图像更接近，并构建基于标准视频编解码器的高位深GS图像压缩流程。作者报告该方法相较MPEG视频和点云锚点在GS序列压缩中表现更好，同时兼顾更高压缩率和质量上限。
关注理由 直接研究Gaussian Splatting序列压缩，属于3DGS表示的压缩与时序编码方向。
DensiTok：让前馈 3D Gaussian Splatting 看到比输入更多的视图
DensiTok: Making Feed-Forward 3D Gaussian Splatting See More Views Than It Is Given
论文针对前馈 3DGS 在输入图像较少时出现孔洞、漂浮物和模糊的问题，提出 DensiTok 插件模块。方法将内部几何 token 压缩到紧凑潜空间，根据相机几何用一次流匹配补全未观测视角，再解码回原模型的重建头，同时冻结预训练骨干及重建头。摘要称，该方法在三个预训练骨干和两个基准上持续改善稀疏视图重建，并缩小与密集视图重建的差距。
关注理由 直接研究前馈 3D Gaussian Splatting 的稀疏视图重建，通过补全内部几何 token 改善未观测区域的重建质量。
View Matters：关键帧引导的文本驱动 3D Gaussian 编辑
View Matters: Keyframe-Guided Text-Driven 3D Gaussian Editing
论文指出不同渲染视角对文本编辑提供的监督可靠性不同，提出围绕可靠关键帧进行编辑的 View Matters 框架。KIE 根据几何可见性、语义 distinctiveness 和编辑相关性估计关键帧重要性；KGE 将编辑信号非对称传播至非关键帧；IAO 在 3DGS 优化中保持这种可靠性偏好。摘要报告其在 23 个场景-提示对上取得平均 CLIP 文本图像相似度 0.2822、方向相似度 0.2564，并保持跨视角一致性。
关注理由 直接研究文本驱动的 3D Gaussian 编辑、关键帧选择及跨视角编辑信号传播，属于 3DGS 编辑与跨视图一致性方向。
相关方法 · 9
DistScene：面向3D场景生成的对象到场景蒸馏
DistScene: Object-to-Scene Distillation for 3D Scene Generation
论文提出DistScene，用于从单张图像生成具有空间 coherency 的组合式3D场景。方法显式建模环境和对象，通过共享坐标系联合生成，再以场景上下文进行对象中心化细化，并利用自动组合渲染的合成场景将对象生成先验蒸馏到场景生成中。作者报告称，该方法在室内和室外基准上相较评测基线提升了场景级空间一致性。
关注理由 研究单图像组合式3D场景生成，显式建模环境与对象并学习其空间关系；摘要未说明使用Gaussian表示，且城市任务仅体现为通用户外场景生成，因此属于支撑技术。
Artemis：具有共享3D状态和渐进记忆更新的几何约束多智能体驾驶世界模型
Artemis: Geometry-Grounded Multi-Agent Driving World Models with Shared 3D State and Progressive Memory Update
论文提出Artemis，通过多智能体观测重建显式3D世界地图，在统一几何状态下生成多视角一致的视频。方法将动作引导的前景—背景控制图注入扩散Transformer，并用关键帧渐进更新3D地图，同时建模非智能体背景动态。作者报告称，该方法提升了生成视频的视觉质量和跨视角一致性，并支持2D视频与3D点图的同步维护及多相机扩展。
关注理由 使用显式3D世界地图约束多智能体视频的跨视角一致性，并维护3D点图；但摘要未说明Gaussian表示，且主要是自动驾驶世界模型而非城市内容生成，因此仅作邻近支撑技术。
MoonGS：利用图像对中的鲁棒深度特征通过Gaussian Splatting实现高质量月面表示
MoonGS: High-quality Representation of the Lunar Surface via Gaussian Splatting Using Robust Depth Features from Image Pairs
论文提出面向月面场景的前馈式3D Gaussian Splatting框架MoonGS。给定两张输入图像，模型一次前向预测像素对齐的Gaussian基元，并结合视觉基础模型深度特征、语义先验和熵引导重采样处理稀疏观测。作者报告称，该方法在LuSNAR和MoonBlender数据集上超过评测的NeRF/3DGS前馈基线，并保持亚秒级推理。
关注理由 直接研究前馈3D Gaussian Splatting场景重建与新视角渲染，虽然对象是月面而非城市，但方法对稀疏户外场景表示具有直接支撑价值。
神经场编码适应几何
Neural Fields Encode Adaptation Geometry
论文考察神经场除重建质量之外的两种性质：适应新观测的难易程度，以及权重保留既往观测历史的能力。作者通过图像元学习、局部线性模型和物理场序列拟合分析适应几何，并报告切线核特征可预测学习与覆盖速度；在波动场实验中，最终权重还能以68.6%的准确率恢复波速符号。该工作为理解神经场表示的可适应性和记忆性提供基础分析。
关注理由 研究神经场的适应几何、权重历史记忆与切线核性质，属于神经场表示的基础分析；但摘要未涉及Gaussian或具体3D/城市场景任务，因此作为较弱支撑技术。
GeoWM：显式几何中的高效直接世界建模
GeoWM: Efficient Direct World Modeling in Explicit Geometry
论文研究无需递归展开的未来三维几何预测。方法先将RGB帧转换为几何历史，再以流匹配Transformer直接预测指定时域的场景几何，并利用预测视角下的观测几何投影作为先验。作者在城市驾驶、航拍飞行和动态操作等四个数据集上报告了优于所评估世界模型的深度、位姿和几何预测效果，同时降低了长时域推理成本。
关注理由 面向未来三维场景几何预测，并在城市驾驶数据上验证，属于可扩展城市三维场景建模的直接支撑方法，但不涉及Gaussian表示。
RBMatch：用于半监督建筑轮廓提取的双层类别重平衡
RBMatch: Dual-Level Class Rebalancing for Semi-Supervised Building Footprint Extraction
论文针对半监督建筑轮廓提取中的前景背景严重不平衡问题，提出双层类别重平衡框架RBMatch。方法结合自适应类别阈值、置信度感知的类别平衡损失重加权和分布对齐，同时调节伪标签选择与无监督优化。作者在WHU、INRIA和Massachusetts数据集及1%至10%标注比例下报告了稳定的建筑IoU和F1提升，在Massachusetts数据集1%标注时较最强基线提高1.37个IoU点。
关注理由 面向遥感影像中的建筑轮廓提取，直接提供建筑布局和城市几何支撑，但不是建筑或城市内容生成方法。
数字孪生驱动的 Real2Sim2Real：基于成对驾驶场景重建的模拟器条件生成
Digital Twin-Driven Real2Sim2Real: Simulator-Conditioned Generation via Paired Driving-Scene Reconstruction
论文研究数字孪生驱动的 Real2Sim2Real 流程，旨在减少新区域驾驶数据采集与标注成本。方法先将记录的驾驶片段重建到地理配准数字孪生中，再以几何对齐的模拟器渲染条件化扩散模型，生成覆盖数字孪生区域的逼真驾驶图像。作者报告 DT-S2R 生成数据可用于多种 3D 检测器训练，其中 DETR3D 达到目标区域真实数据 oracle 的 93.18% mAP；与域外真实数据联合训练时超过该 oracle。
关注理由 摘要明确面向数字孪生覆盖区域的驾驶场景生成，并利用重建与新模拟场景合成具有地理对齐的真实感图像，可作为城市场景生成与数据支持技术。
3D Gaussian Splatting的训练后语义提升：分离检测器、提升与表示误差
Post-Training Semantic Lifting for 3D Gaussian Splatting: Separating Detector, Lifting and Representation Error
论文针对同一Gaussian在不同视角下类别判断不一致、遮挡和检测置信度变化的问题，提出训练后语义提升方法。方法按目标类别累计目标与非目标证据，并依据可见性加权，再通过双阈值选择高置信种子及其连通区域，最后将Gaussian标签转移到网格顶点。作者在Replica和ScanNet++上报告了mIoU结果，并指出剩余误差主要来自检测器。
关注理由 论文直接研究3D Gaussian Splatting的语义信息提升，将多视角检测证据融合并映射到Gaussian表示及标注网格，属于3DGS语义理解与跨表示评估方法。
从单张图像构建罗马
Building Rome from a Single Image
论文将面向物体的3D生成器改造为可处理室内和室外场景的单图像场景生成方法。方法采用随相机距离变化的自适应场景分块，以保留近处细节并覆盖远处建筑；同时提升图像特征以建立2D-3D对应，并显式建模自由空间、已观测表面和未观测区域。作者合成约4,000个室外场景扩充训练数据，并在多个数据集及真实图像上报告了优于基线的几何准确性和感知质量。
关注理由 论文直接研究从单张图像生成完整3D场景网格，并扩展到室外场景，包含建筑等远距离结构，属于可扩展室外/城市场景生成的支撑方向。
待确认 · 2
AIMS：用于可扩展新视角渲染的锚点集成多视图合成
AIMS: Anchor-Integrated Multi-View Synthesis for Scalable Novel View Rendering
论文针对输入视图数量增加导致Transformer计算和显存开销快速增长的问题，提出AIMS。方法通过最远点采样选择固定数量的空间锚点，将邻近观测分组并用轻量可学习积分器融合为增强锚点表示，从而让更多观测参与合成而不增加全局视图预算。作者在RealEstate10K和ScanNet上报告了较好的质量效率折中，并取得29.41 dB和17.73 dB PSNR，平均每视图渲染时间为7.24 ms。
关注理由 研究可扩展的新视角合成和多视图融合，属于通用三维场景渲染支撑技术；摘要未说明其采用Gaussian表示或直接面向城市生成。
ReVar3R：面向规范感知的前馈三维重建扰动不确定性
Revar3r: gauge-aware perturbation uncertainty for feed-forward 3d reconstruction
论文指出，前馈三维模型输出坐标系的微小旋转会使等价输入产生虚假的扰动不确定性，并推导了随场景范围增长的闭式方差项。ReVar3R先将预测注册到共同相似变换坐标系，再计算逐点方差，可在不重新训练模型的情况下工作。作者在VGGT、π3和MASt3R及六个数据集上报告，多数条件下其AUSE优于内置置信度，但仍无法检测稳定系统性偏差、辅助新视角合成或跨域迁移校准。
关注理由 研究前馈三维重建的不确定性估计和点图置信度，属于三维场景重建的支撑技术；摘要未涉及Gaussian Splatting或城市场景。