收集详情
采集完成 · 候选 418 · 已筛选 418
RSS 公告日期：2026-10-26
更新时间：2026-10-26T06:09:11.227026Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 3
AudioLift：通过多视角视频生成实现音频驱动的单图到完整头部 Gaussian Avatar
AudioLift: Audio-Driven Single Image to Full-Head Gaussian Avatar via Multi-view Video Generation
AudioLift 通过两阶段框架生成音频驱动的完整头部 Gaussian avatar：先生成同步多视角视频，再进行具备不一致性鲁棒性的 Gaussian 重建。该方法无需参数化人脸模型或逐实例优化。作者报告其能表现更极端的表情，改善几何完整性，并在 360° 视角范围内保持较强多视角一致性。
关注理由 论文直接研究从单张肖像图生成完整头部的 Gaussian avatar，涉及多视角视频生成与 Gaussian 重建，属于 3DGS 构建和跨视角建模。
PixGR：用于快速前馈式 3D 重建的像素空间生成解码
PixGR: Pixel-Space Generative Decoding for Fast Feed-Forward 3D Reconstruction
PixGR 将轻量像素空间生成模型集成到前馈式 3D Gaussian 重建中。方法先编码上下文观测得到场景潜表示，再用像素空间 flow matching 和轻量 DiT 解码器从带噪目标视图生成共享 Gaussian 表示，并通过可微渲染端到端训练。作者报告其在稀疏视图、宽间隔观测和视角外推场景下优于回归方法，同时保持亚秒级推理。
关注理由 论文直接研究前馈式 3D Gaussian 重建，并通过像素空间生成建模稀疏视图和视角外推中的场景不确定性。
CityLift：从单幅图像进行组合式三维城市生成
CityLift: Compositional 3D Urban Generation from a Single Image
CityLift 从城市图像出发，联合学习场景级空间结构与建筑实例级形状和位置，先生成公共坐标系中的粗粒度稀疏结构，再利用生成式空间继承将场景条件三维特征映射到局部体积，引导流模型生成细节建筑网格。生成结果通过同一坐标映射放回场景，以保持建筑间空间关系。作者还构建了含实例掩码、建筑网格和放置标注的 CityLift-5K，并报告在其数据及 UrbanScene3D、InstanceBuilding 场景块上改善了建筑几何和场景构图。
关注理由 论文直接研究从单幅城市图像生成具有空间关系的可编辑三维建筑场景，覆盖建筑资产生成、城市场景组合及相关数据集，属于核心城市生成工作。
相关方法 · 2
GeoLEON-CLIP：图锚定的地理区域多模态对比学习
GeoLEON-CLIP: Graph-Anchored Multimodal Contrastive Learning for Geographic Region Representation
论文提出 GeoLEON-CLIP，将 H3 区域的 OpenStreetMap 图嵌入、卫星影像和文本描述进行三模态对比学习。冻结图、图像和文本编码器，仅训练残差投影头，并以图模态作为语义锚点。实验显示图像—图和图—文对齐较强，图路由的跨模态检索优于直接图像—文本检索；下游探针在 Airbnb 和北京住房任务上取得任务相关收益。
关注理由 方法面向以地图图结构、卫星影像和文本共同表示 H3 地理区域，涉及城市上下文的跨模态表示与跨视角检索，可作为城市生成和城市数据理解的支撑，但不生成城市场景或 Gaussian 表示。
UniWorld：用于实时视觉世界模拟的统一世界模型
UniWorld: A Unified World Model for Real-Time Visual World Simulation
论文提出 UniWorld，在统一视频生成模型中联合整合深度轨迹和参考外观，并在共同时间线上维护视觉与几何历史。噪声对齐的重叠续接只提交新潜变量，滚动深度状态持续提供几何控制，同时限制活动深度状态的窗口规模。作者报告其支持多种深度来源、缓存与增量执行结果逐位一致，并实现实时生成吞吐。
关注理由 研究通用的连续视觉世界生成，联合维护几何深度历史与外观历史，属于可扩展场景生成的支撑技术；摘要未明确针对城市或建筑，也不涉及 Gaussian 表示。
待确认 · 1
Easy-3Dfy：面向单图 3D 场景构建的对象级几何组合
Easy-3Dfy: Object-Level Geometric Composition for Single-Image 3D Scene Construction
Easy-3Dfy 将对象生成与场景布局估计解耦，以便分别利用专门的 3D 对象生成器和 3D 基础模型。方法使用基于 RPF 的对齐器，在对象局部网格与部分场景点图之间建立几何对应关系，从而恢复对象布局。作者报告该流程在 Scene-Maker 和 3D-FUTURE200 的多项几何指标上持续优于 SAM-3Dfy。
关注理由 论文研究单图 3D 场景构建、对象生成和布局估计，属于可组合的通用 3D 场景生成支撑技术；但摘要未涉及城市、建筑或 Gaussian 表示。