收集详情
采集完成 · 候选 616 · 已筛选 616
RSS 公告日期：2026-10-16
更新时间：2026-10-16T06:09:12.382925Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 6
MARS：基础地图自回归模型
MARS - A foundational map auto-regressor
论文提出地图自回归模型 MARS，针对点、折线和多边形等非结构化矢量地图数据，统一生成多折线道路网络与建筑多边形，避免像素分割和矢量后处理的多阶段误差。作者构建包含 340 万样本的 MAP-3M 数据集。在四个道路和建筑数据集上，MARS 的性能优于或匹配多阶段基线，并支持通过 Chat with MARS 进行人工交互式生成与修正。
关注理由 论文直接统一生成多折线道路网络和建筑多边形，属于城市布局生成；同时提供大规模地图提取数据集，可作为城市生成与解析的支撑资源。
ResStreamGS：面向移动体积视频流传输的残差敏感双流 Gaussian Splatting
ResStreamGS: Residual-Sensitive Dual-Stream Gaussian Splatting for Mobile Volumetric Video Streaming
论文针对移动端体积视频传输中将所有 Gaussian 都逐帧编码导致稳定区域质量下降、带宽浪费的问题，提出残差敏感双流框架。方法识别对残差敏感的 Gaussian，在每个 GOP 内复用稳定 Gaussian，仅逐帧传输动态部分。作者报告相较受控基线 PSNR 提升 7.51–8.35 dB，摊销载荷最多降低 56.5%，并在 Snapdragon 778G 上达到 30.883 FPS。
关注理由 直接研究动态 Gaussian Splatting 的时空分配与移动端流式压缩，属于 3DGS 表示与可扩展性方向。
Dusting the Phantom：面向衰退动态内容的 Gaussian 分配
Dusting the Phantom: Gaussian Allocation for Fading Dynamic Content
论文分析小型快速运动物体消失和动态区域细节缺失问题，认为关键瓶颈是 Gaussian 原语分配的位置与时间，而非表示容量。提出 Seed Injection，在几何合理的三维位置初始化新 Gaussian；并提出 Temporal Biased Relocation，利用时间分辨优化信号指导重定位。两者保持固定 Gaussian 数量，作者报告在多个动态场景数据集上提升了动态区域重建质量。
关注理由 直接研究动态 Gaussian 表示中的 Gaussian 分配、注入与时空重定位，属于动态 3DGS 重建核心问题。
无需训练的 3D Gaussian 语言地图目标感知精化
Training-Free Target-Aware Refinement of 3D Gaussian Language Map
论文针对现有 3D Gaussian 语言地图难以可靠定位用户指定目标、同时需要保持开放词汇查询能力的问题，提出无需训练的目标感知精化方法。方法将目标区域视觉嵌入与目标文本嵌入按闭式求得的最小系数融合，并对查询读出进行中心化以消除文本嵌入公共成分影响。作者报告三个基准上的开放词汇分割持续改善，在 Replica 上基础 mIoU 约翻倍，并支持四足机器人语言目标导航演示。
关注理由 直接研究将视觉语言特征蒸馏到 3D Gaussian Splatting 语言地图并进行目标感知 refinement，属于 3DGS 语义理解与定位。
Anchor3DGS：采用紧凑锚点表示的前馈式三维 Gaussian Splatting
Anchor3DGS: Feed-Forward 3D Gaussian Splatting with Compact Anchor-Based Representation
论文提出Anchor3DGS，用信息熵引导三维锚点分布，以多视图特征聚合和锚点间信息交互生成局部Gaussian。该表示避免每个输入像素对应一个Gaussian，在纹理简单区域减少冗余、在几何复杂区域保持覆盖，并通过轻量特征增强改善渲染。作者报告其在多种基准数据集上取得较好的新视角合成质量，同时仅使用数量级更少的Gaussian基元。
关注理由 摘要直接研究前馈式3D Gaussian Splatting重建，通过紧凑锚点表示减少冗余高斯并改善复杂区域覆盖，属于3DGS表示与重建的核心工作。
Edit4D：文本控制的可编辑四维场景生成
Edit4D: Editable 4D Scene Generation with Textual Control
论文提出Edit4D，将文本指令分解为背景、动态角色和组合阶段，分别生成多视图背景与角色内容。背景通过重建得到3D Gaussian Splatting表示，角色由图像条件视频生成、重建为4D网格并绑定Gaussian基元，随后利用文本分割、接触感知优化和全局细化完成组合。作者报告该框架支持可控相机运动、对象级编辑及可编辑4D场景构建。
关注理由 摘要直接涉及可编辑4D场景生成，并将背景重建为3D Gaussian Splatting表示、将动态角色绑定Gaussian基元，属于3DGS生成与编辑方向；未明确面向城市场景。
相关方法 · 10
Orbia：生成视频是否形成一致的三维世界？
Orbia: Do Generated Videos Form a Consistent 3D World?
论文提出 Orbia 基准，用于系统评估交互式世界模型生成视频的三维一致性。方法围绕输入保持、生成内容持久性和三维自洽性组织评测，结合 RGB-D 对齐、锚点标注、跨视角深度与特征对应、区域尺度一致性及留出高斯渲染等指标。基准包含 720 个室内外实例、六种探索回访协议，并评估 27 个模型，为诊断视频世界模型的几何不一致提供了统一工具。
关注理由 论文直接评估交互式世界模型的三维一致性，并使用跨视角深度、特征对应及高斯渲染检验生成视图是否描述同一三维场景，属于三维场景表示与评测的支撑工作。
Mallea：利用编码代理构建、操控和记忆世界
Mallea: Building, Steering, and Memorizing Worlds with Coding Agent
论文提出 Mallea，用编码代理根据文本推断对象交互需求，并联合规划对象结构、属性和规则，构建可执行世界。世界可由用户动作操控，文本请求还能编辑属性或扩展能力，同时保留未受影响的状态。对象纹理记忆保存可复用外观，生成式渲染器结合当前结构与记忆外观产生观测。摘要未说明其面向城市或建筑场景。
关注理由 研究从文本构建、编辑和演化可执行世界，属于通用可扩展场景生成与程序化创建，可作为城市生成的支撑技术；摘要未明确城市或建筑任务。
GeoPano：面向几何准确单全景三维重建
GeoPano: Towards Geometrically Accurate 3D Reconstruction from a Single Panorama
论文针对 ERP 全景图的球面畸变以及分解透视视图后产生的跨视图几何不一致，提出 GeoPano。方法使用全景感知注意力聚合器和 Pano-Attention 建模球面几何，并通过透视空间局部监督与球面空间全局监督联合训练。作者声称该方法在重建精度、几何一致性和视觉保真度上显著优于既有方法。
关注理由 研究单幅全景图到一致三维点云的重建，可作为三维场景与城市重建支撑；摘要未明确城市数据或 Gaussian 表示。
GRASE：基于几何原生的从真实到仿真代理场景建模
GRASE: Geometry-native Real-to-sim Agentic Scene Modeling from Video
论文针对真实到仿真转换中各阶段反馈不足、误差累积和跨视图不一致的问题，提出闭环代理框架 GRASE。方法先从深度与多视角线索拟合建筑壳体及开口，再在共享坐标系中放置生成资产，并根据渲染结果与观测视频的差异迭代修正资产几何和位置。作者报告生成场景在输入一致性和跨视图一致性方面提升，并显著优于其他方法。
关注理由 直接研究从多视角视频恢复可编辑三维环境，并对建筑壳体、开口和生成资产进行布局与迭代建模，属于城市/建筑场景生成支撑方向。
兼顾整体与局部：复用整体三维先验进行部件分解生成
Seeing Both the Forest and the Trees: Reusing Holistic 3D Priors for Part-Decomposed Generation
论文提出STRUCTPARTS，目标是在部件级几何细节与整体结构一致性之间取得平衡。方法让形状潜变量同时处于部件局部坐标系和对象全局坐标系中，并通过全局—局部交错Transformer复用整体三维先验；输入为带面级分割的粗网格骨架。作者在PartObjaverse-Tiny上报告其达到或超过既有部件分解模型，并支持部件网格细化和部件级编辑。
关注理由 论文研究具有显式部件的三维资产生成、细化与编辑，属于可组合场景资产生成的直接支撑方法；但摘要未明确面向城市或建筑资产，也不涉及Gaussian表示。
利用普适无线信号进行场景重建：基于物理先验表示的扩散后验推断
Scene Reconstruction Using Ubiquitous Wireless Signals via Diffusion Posterior Inference Over physics-Grounded Representations
论文将无线场景重建表述为后验推断问题，提出两阶段层次框架。物理约束的无线基础模型先将信道测量转换为场景结构表示，扩散模型再联合多次测量，对建筑占用后验进行建模和采样，并以样本共识得到最终重建。作者报告仅凭无线信道即可恢复建筑轮廓，且物理先验表示和联合后验推断都对性能至关重要。
关注理由 论文直接从无线信道重建建筑占用与建筑轮廓，为城市布局和建筑几何重建提供数据与几何先验，属于城市生成的支撑技术；不涉及Gaussian表示。
Velox：空间记忆提升世界模型效率
Velox: Spatial Memory Makes World Models Efficient
论文针对分块视频扩散世界模型在长时滚动生成中 KV 缓存不断增长、后续块逐渐变慢的问题，提出无需训练的 Velox 注意力路由器。方法将历史块表示为带深度区间的相机视锥 slab，并通过多重投影获得当前块深度，以几何覆盖程度调节模型的块级重要性；未覆盖区域仍采用模型自身路由。作者报告在第 48 个 chunk 上注意力加速 4.36 倍、去噪加速 2.43 倍，并在导航基准上保持接近稠密上下文的表现。
关注理由 面向交互式视频世界模型的长时视觉生成效率，使用流式几何进行区域级上下文选择；属于可扩展通用三维/世界建模的支撑方法，但摘要未明确城市场景或 Gaussian 表示。
3DCodeVerse：以代码探索三维世界
3DCodeVerse: Exploring 3D Worlds as Code
论文提出 3DCodeVerse 研究生态，目标是让代码智能体大规模创建可编辑、可验证的三维内容。其核心包括 3DCodeVerse-2M 可执行三维代码数据集，以及结合执行检查、空间测量和视觉反馈的多智能体 Harness，用于自动评估和修订生成程序。作者报告，在该数据集上微调可提升开源模型的三维编码能力；在由 Claude Opus 使用双方系统的人工成对评测中，Harness 相对 Claude Design（3D Object）取得作者报告的 90% 胜率。
关注理由 研究可编辑、可验证的三维内容程序化创建与自动生成，属于城市资产和场景生成可直接借鉴的程序化方法；但摘要未明确限定城市或建筑对象。
GeoState：学习视角解耦的三维世界建模几何状态
GeoState: Learning View-Decoupled Geometry States for 3D World Modeling
论文针对几何基础模型特征具有视角依赖、导致场景动态与相机变化纠缠的问题，提出 GeoState 视角解耦的几何表示。场景 tokenizer 将多视图特征聚合为与视角无关的场景状态，几何解码器再通过相机射线查询；自回归世界模型预测未来状态，并单独建模相机运动。作者报告该方法在 Waymo 上优于已有三维世界模型，支持几何一致的跨视角查询，并可零样本泛化到 KITTI 和 nuScenes。
关注理由 研究面向户外世界模型的视角解耦几何状态、未来场景预测和跨视角查询，涉及可扩展三维场景建模与跨视角一致性；但摘要未明确城市生成或 Gaussian 表示。
在三维内容中建立生成式验证基础
Grounding Generative Verification in 3D Content
论文关注三维生成结果的任务级正确性，而不仅是视觉保真度。作者提出 3DVerifierBench，评估验证决策、拒绝解释及对规格和候选变化的响应；同时构建结合多视角事实提取、受控三维编辑与原生标注的数据管线，生成 14,126 个带矛盾解释和反事实关联的训练样例。实验显示，在人工标注的候选池中，预言选择可将完整事实成功率从 26.7% 提升至 90.0%；递归细化也优于并行选择。
关注理由 论文研究面向通用 3D 内容生成的验证、候选选择与递归细化，提供多视角事实提取、受控编辑和矛盾解释数据，可直接支撑可控 3D 场景生成，但摘要未涉及 Gaussian/Splat 表示或城市、建筑任务。