收集详情
采集完成 · 候选 462 · 已筛选 462
RSS 公告日期：2026-10-15
更新时间：2026-10-15T06:07:53.852407Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 5
Holi-Spatial 360：从稀疏全景图生成式重建空间渲染与智能环境
Holi-Spatial 360: Generative Reconstruction from Sparse Panoramas for Spatial Rendering and Intelligence
论文提出 Holi-Spatial 360，从在线房产平台的稀疏多房间全景图生成带标注的三维环境。方法通过对应关系引导的几何优化，将前馈重建先验转化为跨视角约束，并构建连贯的 3D Gaussian Splatting 空间记忆；随后利用单图像和视频先验补全外观与连续轨迹，同时保留观测内容。作者构建了超过 1K 个 3DGS 场景、超过 100K 个实例标注及 2M 个空间问答对，并报告稀疏输入下重建和数据整理质量提升。
关注理由 论文直接从稀疏室内全景图重建多房间三维环境，并构建 3D Gaussian Splatting 表示用于空间记忆、渲染和数据标注，属于 3DGS 重建与空间理解方向。
RDCompGS：使用图像编解码器对 3D Gaussian Splatting 进行率失真优化压缩
RDCompGS: Rate-Distortion Optimization for Compression of 3D Gaussian Splatting with Image Codecs
论文针对 3DGS 存储和传输开销大的问题，提出 RDCompGS。方法将 Gaussian 属性映射到二维表示，并把可微编码码率估计纳入与渲染失真的联合优化；同时使用码率约束调节模型控制不同压缩条件下的率失真权衡。在三个基准数据集上，作者报告使用 H.265/HEVC 和 JPEG XL 时平均 BD-rate 分别降低 37.84% 和 49.31%，估计码率与实际码率也呈较强相关性。
关注理由 论文直接研究 3D Gaussian Splatting 的压缩，通过可微码率估计联合优化渲染失真与编码码率，属于 3DGS 表示压缩方向。
VisibilitySplat：用于重光照的3D Gaussian Splatting光线追踪遮挡
VisibilitySplat: Ray-Traced Occlusion for Relighting with 3D Gaussian Splatting
论文在标准3DGS光栅化流程中加入稀疏可见性模块，用点式光线追踪和BVH估计Gaussian基元的透射率加权遮挡，并结合PBR进行材质和光照分解。在TensoIR合成数据集上，作者报告该方法在新视角合成、反照率重建和重光照方面优于若干早期基线；消融显示显式可见性有助于重光照和材质-光照解耦。
关注理由 直接研究3D Gaussian Splatting中的可见性建模、逆渲染、材质与光照分解，属于3DGS核心相关工作。
InfiniSplat v2：分析并改进任意视角的前馈 3DGS
InfiniSplat v2: Analyzing and Improving Feed-Forward 3DGS from Any Views
针对前馈 Gaussian 重建在大视角变化下属性学习不稳定的问题，作者提出 InfiniSplat v2。方法将几何与属性预测解耦，冻结几何分支，在训练中利用真实相机姿态对齐预测 Gaussian，并加入大角度目标视图监督。作者在六个数据集上报告了评估方法中最优的平均 LPIPS 和 DISTS；姿态条件设置下，两项指标较最强基线分别下降 25.8% 和 32.9%。
关注理由 直接研究前馈 3D Gaussian 重建及其在大视角变化下的属性预测和渲染质量。
面向 3D Gaussian Splatting 的前馈多视图特征编码
Feed-Forward Multi-View Feature Coding for 3D Gaussian Splatting
针对现有前馈 3DGS 先生成完整 Gaussian、再分别压缩几何和外观属性的问题，作者提出端到端的多视图特征编码框架 MFGS。方法直接从输入图像提取并编码联合表示几何与外观的多视图特征，通过解码特征预测 Gaussian 属性，并引入重要性引导的 Gaussian 选择，使同一比特流支持不同渲染预算。作者在 RE10K、ACID 和 DL3DV 上报告了相较生成后压缩流程 99.76%–99.86% 的 BD-rate 节省、52%–55% 的 GMACs 降低及约 12 倍端到端加速。
关注理由 直接研究前馈 3D Gaussian Splatting 的场景编码、压缩、几何与外观联合表示及可调 Gaussian 渲染预算。
相关方法 · 8
进入 LidarVerse：跨任务与传感器的实时统一 LiDAR 世界模型
Into the LidarVerse: A Real-Time Unified LiDAR World Model Across Tasks and Sensors
论文提出统一的条件生成 LiDAR 世界模型，将 LiDAR 范围序列编码到共享潜空间，并融合 HD Map、时间缓存和空间缓存进行世界生成、点云预测及场景重模拟。教师模型蒸馏为四步自回归学生，支持长期一致 rollout，单张 H100 上达到 11 FPS；作者报告其在三类评测协议的大多数指标上达到最佳，并能适配多种线束及未见扫描模式。摘要未说明其是否专门针对城市场景。
关注理由 论文提出统一的条件生成 LiDAR 世界模型，可生成新世界并进行长期一致的点云模拟，属于可扩展三维场景生成与重建支撑；但摘要未明确聚焦城市场景。
SceneAE：可查询三维锚定潜空间中的场景生成与重建
SceneAE: Scene Generation and Reconstruction in Queryable 3D-Anchored Latent Space
论文提出SceneAE，将场景表示为带显式3D位置和隐式内容特征的稀疏潜在点云。方法先生成可控的3D几何，再条件生成内容，并可将持久表示解码为不同相机下的RGB-D观测。作者报告其在生成质量、计算成本和相机可控性方面表现更优。
关注理由 研究紧凑、可查询的3D锚定场景潜空间，用于场景重建与生成；虽非Gaussian表示，但属于通用3D场景生成与重建支撑技术。
使用DAO与JING的生成式世界模拟
Generative World Simulation with DAO and JING
论文提出生成式世界模拟框架，将DAO世界引擎与JING第一人称交互体验模型结合。DAO维护角色、物体和空间关系并推进世界状态，JING据此结合观察历史与动作生成观察者视听体验。作者将其定位为支持持续交互、历史保留和行动驱动世界演化的方法。
关注理由 研究具有持久共享状态和连续视听生成的交互式世界框架，可作为通用可扩展3D世界生成的支撑，但摘要未涉及城市、建筑或Gaussian表示。
为什么3D重建会在冰下AUV视频上失效，以及如何预测失效
Why 3D Reconstruction Breaks Down on Under-Ice AUV Video, and How to Predict It
论文在同一段南极冰下AUV视频上比较特征匹配SfM、可微光度splatting、体积深度融合和无姿态前馈模型，发现四者分别出现配准不足、几何破坏、覆盖伪影和跨片段尺度不稳定。作者将这些现象归因于较小的相机基线与场景深度比，并提出可在数分钟内预警此类失效的检测系统。
关注理由 评估了包含可微光度splatting在内的多种3D重建方法，并分析其在特定视频采集条件下的失效机制；属于3D重建与邻近splat技术的支撑研究，但未明确为Gaussian表示。
PAWA：面向多智能体的全景动作条件世界建模
PAWA: Panoramic Action-conditioned World Modeling for Multiple Agents
论文提出PAWA数据集和框架，将多人Minecraft游戏中的POV视频、世界稳定全景视频与动作对齐，并用双塔模型通过共享世界坐标中的跨注意力联合预测两种视图。作者还提出二次相位玩家编码，并报告其在POV预测质量和全景预测保真度上优于现有多人世界模型。
关注理由 提出面向多人共享可修改3D世界的动作条件全景世界建模数据集与框架，可作为通用世界建模和可扩展场景生成的支撑；但不涉及Gaussian表示或城市内容。
Gaussian 应该放在哪里？面向预算受限电影化 CT Gaussian Splatting 的可复用标签感知分配
Where Should the Gaussians Go? Reusable Label-Aware Allocation for Budget-Constrained Gaussian Splatting of Cinematic CT
针对 CT 电影化渲染中固定 Gaussian 数量下的位置分配问题，作者提出可复用的标签感知分配前端。该方法将 CT、解剖标签和传递函数映射为 2mm 网格上的密度，并通过神经先验或七参数可解释闭式模型采样精确数量的 Gaussian，属性仍按患者拟合。在 20 名留出患者和 19 名外部患者上，作者报告其血管区域 PSNR 优于均匀分配和稠密模型剪枝，并可作为位置优化初始化。
关注理由 直接研究预算受限的 3D Gaussian Splatting 中 Gaussian 位置分配，并用于医学体数据的实时渲染表示。
PhySGA：面向通用交互式三维组合的物理空间落地智能体框架
PhySGA: A Physics-Space Grounded Agentic Framework for Generalizable and Interactive 3D Composition
针对精确悬挂、重力沉降和隐藏容纳等需要交互构建的复杂三维组合任务，作者提出 PhySGA。框架由负责全局步骤规划和粗调的 Assembly Agent、负责接触动力学诊断与闭环修正的 Critic Agent 组成，并通过动作路由器执行模拟器中的物理原语，利用自演化技能库复用试错经验。作者在 Isaac Sim 中报告其在关系保真度、物理合理性和视觉质量上超过已有方法。
关注理由 研究可交互的三维对象组合、物理模拟和场景资产组装，可作为程序化三维场景创建的支撑方法；摘要未涉及城市、街区或建筑任务。
学习回答空间问题能否改善新视角生成？
Can Learning to Answer Spatial Questions Improve Novel-View Generation?
论文研究如何利用3D语言理解辅助有限观测下的新视角生成，以同时保持场景外观和空间结构。Ask4NV基于统一多模态模型，将相机几何注入VAE和ViT表征，并通过联合自注意力与模态感知掩码融合理解特征。实验报告显示，该方法获得较好的图像质量和几何一致性；联合训练还改善了VAE中的跨视角对应关系及3D感知特征相似度。
关注理由 论文直接研究有限观测下的3D场景新视角生成，并利用相机几何、VAE/ViT表征和3D语言理解提升跨视角一致性；但摘要未说明采用Gaussian表示，也未涉及城市场景。
待确认 · 1
GLoD-LVSM：为大视图合成模型学习几何引导的连续细节层级场景表示
GLoD-LVSM: Learning Geometry-Grounded Continuous-LoD Scene Representations for Large View Synthesis Models
针对大视图合成模型中场景 token 冗余导致的存储和渲染开销，作者提出几何引导的连续细节层级表示。方法学习连续场初始化不同数量的锚点，并通过凝聚器聚合场景信息、推断几何关系，以支持压缩和视锥裁剪。作者报告其相较未压缩模型可减少 33.4% token，在无质量损失下获得 1.23 倍渲染加速；放宽质量约束时可减少 85.5%，加速 3 倍。
关注理由 研究紧扣大视图合成模型的场景表示压缩、连续细节层级、几何锚点和语义理解，但摘要未说明使用 Gaussian 或 splat 表示；属于可扩展通用三维场景表示的支撑工作。