收集详情
采集完成 · 候选 466 · 已筛选 466
RSS 公告日期：2026-10-21
更新时间：2026-10-21T06:09:40.074220Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 15
EGGHead：从单张图像高效泛化的人头高斯表示
EGGHead: Efficient Generalizable Gaussian Heads from a Single Image
论文针对单图人头建模中表示能力、效率和泛化性之间的权衡，提出 EGGHead。方法在固定 Gaussian 预算下，依据人头语义区域高效分配 Gaussians，并通过单次前向推理完成建模。作者报告称，该方法减少了所需 Gaussians，同时保持表示能力，并在重建质量、新视角合成和渲染速度方面优于既有单图人脸建模方法。
关注理由 直接研究基于 Gaussian Splatting 的单图人头建模、Gaussian 分配与高效渲染，属于三维 Gaussian 表示与重建方向；但对象不是城市或建筑。
GTSM：具有热状态空间动力学的 Gaussian Splatting 时空热场重建与预测
GTSM: Gaussian Splatting with Thermal State-Space Dynamics for Spatio-Temporal Thermal Field Reconstruction and Prediction
论文提出 Gaussian Thermal State-Space Model，通过共享场景级潜在过程和 Gaussian 特定局部热状态表示热演化，并使用可微 RK2 积分传播连续动力学。该模块可与静态 3DGS 和动态 4DGS 集成，用于静态或形变目标的热场重建、任意视角热渲染及未来时间预测。作者报告称，在真实红外序列和合成动态热数据上，方法提升了重建精度和时间外推能力，并适用于形变目标。
关注理由 直接研究 Gaussian 表示上的时空动态建模、热场重建和预测，覆盖静态 3DGS 与动态 4DGS；应用对象虽为工业和动态环境，但方法与三维 Gaussian 表示高度相关。
面向编解码器兼容的 3D Gaussian Splatting 学习压缩
Codec-Compatible Learned Compression for 3D Gaussian Splatting
论文针对视频式 3DGS 压缩中非 DC 球谐系数图通道数多、占据码流主要部分且统计分布不同于自然图像的问题，提出 CCT-GS。方法学习广义 SH-AC 变换，将其转换为适合标准编解码器的紧凑瓶颈图，并用基于 LoRA 的场景适配恢复场景特定外观细节。作者在 MPEG GSC 序列上报告称，相比视频式锚点平均 BD-rate 降低 51.30%。
关注理由 直接研究 3D Gaussian Splatting 的压缩，针对 SH-AC 属性图的统计特性和系数依赖提出学习变换及场景适配方法。
统计贡献而非视图数量：面向 3D Gaussian Splatting 的遮挡感知致密化
Counting Contributions, Not Views: Occlusion-Aware Densification for 3D Gaussian Splatting
论文指出，基于视锥的可见性筛选会把完全遮挡的 Gaussians 也计入统计，从而稀释梯度并抑制遮挡区域的致密化。方法引入遮挡感知筛选，仅使用 Gaussian 实际产生贡献的视图，并以平均贡献度替代原始视图数量归一化。集成到 StopThePop 框架后，作者报告称，在遮挡较多场景中各项图像质量指标均改善，LPIPS 最多降低 6%，同时所需 Gaussians 少于视图计数归一化方法的一半。
关注理由 直接改进 3D Gaussian Splatting 的自适应密度控制，针对遮挡导致的可见性统计偏差提出遮挡感知筛选和贡献度归一化。
CityPaint：来自二维扩散的城市尺度三维纹理免费午餐
CityPaint: A Free Lunch from 2D Diffusion for City-Scale 3D Texturing
论文针对真实城市尺度三维训练数据稀缺导致的纹理真实性与全局一致性不足，提出利用二维扩散模型生成城市三维纹理。方法结合几何先验、top-K相机烘焙策略和迭代纹理投影，并将地形与建筑纹理分离优化以减少投影伪影。作者报告称，该方法生成了具有细致局部纹理的全局一致结果，在视觉质量和跨视角一致性方面优于强基线。
关注理由 直接研究城市尺度三维环境的纹理生成，面向建筑与地形纹理，并强调全局一致性和跨视角一致性，属于城市场景生成中的核心城市纹理生成任务。
HiQGS：用于前馈Gaussian重建的分层时空查询
HiQGS: Hierarchical Spatiotemporal Querying for Feed-Forward Gaussian Reconstruction
论文针对稀疏单目观测在视角和时间上共同变化时难以对齐证据的问题，提出HiQGS分层时空查询框架。分层时空编码器按图像位置、观测时间和相机位姿组织多分辨率几何-外观特征；时间自适应解码器则依据目标时间戳查询相关证据并预测Gaussian场景状态。作者在静态和动态场景重建基准上报告了较好的渲染质量与几何精度。
关注理由 直接研究从稀疏带位姿单目帧进行前馈Gaussian场景重建，并处理静态与动态场景及目标时间查询，属于3DGS场景表示与重建核心任务。
PanoGraphGS：用Gaussian Splatting统一全景分割与层次化三维场景图
PanoGraphGS: Unifying Panoptic Segmentation and Hierarchical 3D Scene Graphs with Gaussian Splatting
论文提出PanoGraphGS，将全景3D Gaussian表示学习与层次化三维场景图构建统一起来。在共享Gaussian几何上学习语义和实例特征，通过原型语义学习与关联式实例学习获得跨视角一致预测，并恢复包含关系和空间关系。作者报告其在Replica与NaviGS上的场景图物体节点准确率超过最强评测基线，并在2D全景分割中取得所称的最佳结果。
关注理由 直接研究带语义与实例特征的3D Gaussian表示，并构建层次化三维场景图，属于3DGS语义理解与场景结构化方向。
RLSplat：前馈3D Gaussian Splatting的资源线性预算控制
RLSplat: Resource-Linear Budget Control for Feed-forward 3D Gaussian Splatting
论文针对预算可控前馈3DGS中先密集预测再剪枝导致推理成本近似不变的问题，提出RLSplat。方法学习按局部区域分配Gaussian预算，并采用基于层次邻域搜索的资源线性解码，使表示规模、延迟和峰值内存随预算线性下降。作者报告其在所有测试预算下优于既有方法，低预算时最多可提速4.1倍并减少9.6倍峰值内存。
关注理由 直接研究前馈3D Gaussian Splatting的预算控制、资源线性推理和Gaussian分配，属于3DGS表示的可扩展性与压缩方向。
CrossFit-GS：面向无COLMAP 3D Gaussian Splatting的折外位姿估计
CrossFit-GS: Out-of-Fold Pose Estimation for COLMAP-Free 3D Gaussian Splatting
论文针对无位姿图像序列进行3D Gaussian Splatting重建，重点解决逐帧优化造成的轨迹累积漂移和错误地图传播。方法将序列交错划分为两组，维护互补子地图，并用未见过目标帧的冻结子地图交叉校正候选位姿，同时结合棋盘格验证和空间覆盖检查筛除不可靠更新。位姿优化后丢弃中间子地图，从固定位姿重新训练最终表示。作者报告其在多个基准上降低了轨迹漂移，并改善了位姿估计与新视角合成。
关注理由 直接研究无位姿图像序列上的3D Gaussian Splatting重建、相机位姿估计与新视角合成，属于3DGS核心任务。
SplatFlux：从视频潜变量进行前馈4D Gaussian重建与生成
SplatFlux: Feed-Forward 4D Gaussian Reconstruction and Generation from Video Latents
论文提出SplatFlux，将视频重建和条件4D生成统一为从视频潜变量解码到4D Gaussian表示。其核心是静态—动态解耦的4D Gaussian表示，为每个Gaussian基元预测动态概率，以区分静态结构和运动区域，并通过静态聚合与动态运动插值完成前馈式场景构建。为减少标注需求，作者还使用辅助蒸馏生成伪动态掩码和光流线索。摘要称，该方法在3D/4D重建与生成实验中取得了作者所称的state-of-the-art性能。
关注理由 直接提出面向4D Gaussian Splatting重建与条件生成的框架，研究Gaussian表示、动态建模和生成任务。
RayCo4D：面向单目4D动态重建的射线条件连续运动模型
RayCo4D: Ray-Conditioned Continuous Motion Model for Monocular 4D Dynamic Reconstruction
论文面向单目视频动态4D重建中的运动推断问题，提出射线条件连续运动模型RayCo4D。方法将视觉观测与潜在3D运动状态分离，为每条轨迹建立受相机射线约束的参考时刻3D查询，并以带有SE(3)位姿和速度的稀疏运动节点，通过加速度白噪声过程先验进行连续时间插值。推断出的共享运动通过双四元数混合传递给Gaussian基元，再用局部SE(3)残差描述细粒度非刚性形变。作者报告其改善了快速运动和轨迹不完整情况下的结构、时间一致性，并支持连续时间渲染。
关注理由 直接研究单目视频动态4D重建，并将推断的共享运动传递到Gaussian基元，涉及动态Gaussian场景建模与新视角渲染。
从自动 3D Gaussian Splatting 编辑中学习在线贝叶斯场景变化检测
Learning from Automatic 3D Gaussian Splatting Edits for Online Bayesian Scene Change Detection
论文研究如何在线融合连续输入图像，判断其相对于参考场景的变化区域。方法通过自动编辑参考 3DGS 模型生成带标签训练视图，学习场景特定的证据模型及像素先验和响应统计；在线阶段结合当前证据与历史支持，利用闭式局部 Bayes 因子更新累积 Gaussian 场，并通过目标引导细化生成变化掩码。作者报告其在 PASLCD 和 CCS3D 上取得较高精度，并实现较快的完整查询序列处理速度。
关注理由 直接以 3D Gaussian Splatting 模型生成训练视图，并在累积 Gaussian 场中进行在线场景变化检测，属于 3DGS 的编辑与语义理解应用。
CoGaussian：基于开放词汇 Gaussian 的协同三维场景理解
CoGaussian: Open-Vocabulary Gaussian-based Collaborative 3D Scene Understanding
论文针对协同语义占据预测依赖密集体素标注、类别集合固定的问题，提出 CoGaussian。方法以基础模型对齐的稀疏 3D Gaussians 表示场景，用于多智能体间几何和语义信息的通信与融合，从而支持开放词汇的协同场景理解。作者在 Semantic-OPV2V 基准上报告其优于现有开放词汇单智能体方法，但摘要未提供具体指标。
关注理由 直接使用稀疏 3D Gaussians 表示并融合多智能体的几何与语义信息，属于 3DGS 场景表示和语义理解；但摘要未说明城市生成任务。
KoalaGS：面向复杂度感知的 Gaussian Splatting 连续层级细节
KoalaGS: Complexity-Aware Continuous Level of Detail for Gaussian Splatting
论文针对计算预算缩减时如何选择仍具表示能力的 Gaussian 原语，利用输入视图的图像复杂度预测重建误差分布，并在训练中引导原语向欠重建区域迁移。同时通过原语重要性分数支持低容量推理。摘要称，该方法在三个数据集上保持有竞争力的满容量质量，改善不同预算下的质量与层级过渡，并加快渐进式流式传输。
关注理由 直接研究 3D Gaussian Splatting 的连续层级细节、原语重要性与渐进式流式传输，属于 Gaussian 场景表示的可扩展性与压缩部署问题。
AEON：统一视频与三维世界模型
AEON: Unifying Video and 3D World Models
AEON 将视频生成模型与三维生成模型结合，在文本或图像条件的视频潜空间中生成可渲染的 4D Gaussian Splatting 表示。框架训练 4D 重建模型从单目视频预测 4DGS 和相机位姿，并通过视频 VAE 蒸馏设计域适配器，将生成视频潜变量转为重建潜变量。摘要称，该方法可沿预测相机轨迹渲染动态环境，并在标准基准上取得作者所称的 state-of-the-art 性能。
关注理由 直接以 4D Gaussian Splatting 作为可渲染世界表示，用于从单目视频重建动态环境并进行视频世界建模，属于动态 Gaussian 场景表示与生成。
相关方法 · 8
MatchCityLoc：通过表面法线匹配在 LoD 城市模型中进行航空定位
MatchCityLoc: Aerial Localization in LoD City Models via Surface Normal Matching
论文针对城市中 GNSS 不可靠以及无纹理 LoD 城市模型定位存在几何歧义的问题，提出 MatchCityLoc。方法从查询图像提取表面法线，并与渲染的 LoD 法线直接匹配，建立 3D-2D 对应关系，再通过 PnP 和渲染-匹配循环迭代优化位姿。作者在摘要中报告了较强的位姿召回率以及准确的平移和旋转估计，并强调只需少量渲染即可使用轻量、保护隐私的城市模型完成定位。
关注理由 直接面向城市 LoD 模型中的航空定位，利用城市几何模型和表面法线匹配建立 3D-2D 对应；属于明确支持城市三维模型与城市场景理解的支撑技术，但不是城市生成本身。
用于单目4D重建的因果时空状态演化
Causal Spatiotemporal State Evolution for Monocular 4D Reconstruction
论文研究单目视频中的动态4D视觉几何学习，针对无序时间聚合难以表达物理时间方向以及几何与运动监督分离的问题，提出因果时空Mamba和统一运动监督。模型通过时空扫描传播几何感知状态，并利用相机与深度预测构建统一前向运动场，以约束帧间状态转移。作者报告称，该方法在动态基准的深度、相机位姿和光流任务上取得了状态-of-the-art结果，并减少时间漂移。
关注理由 摘要明确研究动态4D场景表示与重建，但未明确说明输出是否为Gaussian primitives；可作为动态三维/四维表示的相关支撑技术，GS具体关系仍不充分。
NeoWorld-3：从像素到代码定义的物理世界
NeoWorld-3: From Pixels to Code-Defined Physical Worlds
论文提出NeoWorld-3，用编码代理将视觉观测重建为可执行程序定义的交互式三维世界。NeoSDK负责几何、部件组合、可微参数优化和物理验证，NeoMCP为视觉语言代理提供检查与编辑接口，并通过分层协调架构扩展到组合场景。作者报告其在几何保真度和物理可用性上达到所称的先进结果，且重建场景支持双臂机器人零样本执行。
关注理由 研究可执行程序驱动的交互式三维世界重建与组合，属于通用可扩展三维场景生成/重建的支撑方法，但摘要未涉及Gaussian表示或城市任务。
World2HOSI：面向长时程人-物-场景交互生成的多专家编排框架
World2HOSI: A Multi-Expert Harness for Long-Horizon Human-Object-Scene Interaction Generation
论文提出World2HOSI，通过多专家编排框架从3DGS场景和自然语言指令生成连续的人-物-场景交互数据。系统维护由背景与物体资产组成的持久场景状态，规划动作阶段并将每次专家调用的效果写回状态；残差优化和接触驱动物理模拟用于减少运动与操控伪影。作者报告其在评测任务上取得最佳任务完成度和交互质量，并生成更多样的数据。
关注理由 方法以3DGS场景为基础生成长时程人-物-场景交互数据，直接涉及3DGS场景上的内容生成与场景状态编排，但重点不是Gaussian表示本身。
基于三维 Gaussian 场景表示的可微任务驱动编码孔径相机设计
Differentiable Task-Driven Coded Aperture Camera Design with 3D Gaussian Scene Representations
论文提出可微框架，联合优化复杂相机系统与下游感知任务，并以真实采集重建的 3D Gaussian Splatting 场景提供可微图像形成过程。作者设计了单目和立体两种编码孔径散焦深度相机，同时端到端优化孔径掩模、相机参数和深度网络。摘要称该方法优于既有编码孔径设计及不可微相机设计基线。
关注理由 直接使用 3D Gaussian Splatting 作为可微场景表示，用于联合优化相机系统与深度感知任务，属于 3DGS 表示及渲染方法的直接支撑研究。
OV-Foam：三维表示如何影响语义特征提升
OV-Foam: How 3D Representations Shape Semantic Feature Lifting
论文分析 3D Gaussian Splatting 原语高度重叠对语义特征回投影的不利影响，并提出 OV-Foam，以 PowerFoam 的 power diagram 对场景进行无重叠空间划分，减少每条射线上的原语数量，从而简化特征分配。作者报告该表示可实现接近最优的特征分配，并在开放词汇分割中优于 Gaussian 基线。
关注理由 直接针对 3D Gaussian Splatting 中重叠原语导致的语义特征回投影问题，提出无重叠的空间划分表示以改善开放词汇分割，属于 3DGS 语义理解与表示改进的直接支撑工作。
MindView：生成式多视图空间智能基准
MindView: Benchmarking Generative Multi-View Spatial Intelligence
论文提出 MindView 基准，用于评估从部分多视图观测和语言描述生成空间一致目标视图的能力。基准包含几何主导和语义主导两类共七项任务。作者评测了十一种生成器，并微调 BAGEL；摘要称微调后总体分数提升 24.3 分，MindCue 证据选择器还逆转了扩展上下文带来的性能下降。
关注理由 研究语言引导的多视图空间一致视图生成与视角推理，可作为跨视角生成的支撑基准；但数据集均为室内场景，未直接涉及城市或建筑生成。
SolarRenderer：少步生成式参考渲染
SolarRenderer: Few-Step Generative Reference Rendering
论文提出结构条件视频渲染器 SolarRenderer，将结构视频通过冻结视频生成骨干网络的参考路径输入，并使用轻量 LoRA 控制生成。作者报告其从四步 LoRA 出发，在四步采样中实现相较 50 步采样 12.3 倍加速，并支持流式 768p 实时渲染；在包含 16 种结构表示的测试中，摘要称其取得作者所称的 state-of-the-art 结果，并泛化到 11 种未见表示。
关注理由 研究由结构条件控制的视频外观生成，可支持由场景布局、运动和相机结构驱动的可控场景内容创建；但摘要未明确使用城市或建筑任务。
待确认 · 2
VitronEdit：图像、视频与三维场景的通用视觉编辑
VitronEdit: Universal Visual Editing across Images, Videos, and 3D Scenes
论文提出统一的图像、视频和三维场景编辑框架 VitronEdit，通过共享序列表示和渐进式多模态训练迁移编辑知识，并利用几何重建模型提供深度与相机姿态监督。摘要指出，仅对 3D 样本施加几何监督可获得最佳整体表现；图像和视频训练主要迁移编辑语义，3D 监督主要提升多视角一致性。摘要未说明其是否采用 Gaussian 表示。
关注理由 直接研究图像、视频和 3D 场景编辑及跨模态知识迁移，但摘要未说明使用 Gaussian 或其他 GS 表示，也未直接涉及城市生成任务，因此只能作为一般 3D 场景编辑支撑。
用于 LiDAR 建图的神经隐式能量优化
Neural Implicit Energy Optimization for LiDAR Mapping
论文将神经 LiDAR 建图表述为神经隐式表示参数空间中的能量优化，并依据等值面的形状算子定义曲率正则项，以减少稀疏噪声输入造成的抖动和伪影。摘要称，该方法在大规模数据集上提升了重建平滑性，同时保持几何保真度，且不增加推理时间开销。
关注理由 摘要研究大规模 LiDAR 场景的神经隐式 SDF 重建与平滑正则化，不涉及 Gaussian 场景表示；可作为大规模三维场景重建的支撑技术，但未明确面向城市任务。