收集详情
采集完成 · 候选 832 · 已筛选 832
RSS 公告日期：2026-10-30
更新时间：2026-10-30T18:13:45.643605Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 4
GradSplat：前馈式 3D Gaussian Splatting 中的前向传播内梯度
GradSplat: Gradients Inside the Forward Pass for Feed-Forward 3D Gaussian Splatting
论文针对前馈 3DGS 预测结果与逐场景优化结果之间的差距，指出主要问题在 Gaussian 的形状、尺度和旋转。GradSplat 将输入视图渲染与光度损失梯度引入前向传播，并用学习的循环更新先细化不透明度和颜色，再细化形状，同时进行对数各向异性校正。作者报告其在 RealEstate10K 六视图协议上取得九种方法中最佳 PSNR 和 SSIM，并在 DL3DV、ScanNet++ 上取得较优结果。
关注理由 直接研究少量图像输入下的前馈 3D Gaussian Splatting 场景预测与可学习梯度细化，属于 3DGS 重建与渲染。
ACD-GS：面向非对称曲率感知稠密化的三维 Gaussian Splatting
ACD-GS: Asymmetric Curvature-aware Densification for 3D Gaussian Splatting
论文针对 3DGS 训练期依赖一阶屏幕空间梯度进行克隆和分裂，容易产生冗余 Gaussian 并损害几何重建的问题，提出非对称曲率感知稠密化框架 ACD-GS。方法利用二阶深度响应识别几何不连续，并结合多视图光度一致性与容量感知调节，在训练过程中协调稠密化和剪枝。作者报告称，该方法在多个数据集上将 Gaussian 数量和存储降低近 60%，同时保持具有竞争力的渲染质量。
关注理由 论文直接研究 3D Gaussian Splatting 的训练期稠密化、压缩和几何优化，属于三维 Gaussian 场景表示的构建与可扩展性方向。
MLLM-GS：多模态大语言模型先验引导的极端环境快速新视角合成
MLLM-GS: Multimodal Large Language Model Prior-Guided Fast Novel View Synthesis in Extreme Environments
论文提出 MLLM-GS，用冻结的多模态大语言模型增强严重退化的多视角观测，并以轻量校正网络减小像素偏移和颜色失真。增强结果作为后续3D重建的伪真值。另一分支通过优化栅格化、Gaussian内存布局和参数更新提升3DGS效率。作者在多种退化场景上报告了高质量新视角合成，并降低了重建时间与内存消耗。
关注理由 明确研究3DGS场景重建与高效新视角合成，属于3DGS核心相关工作；虽然场景是极端退化环境而非明确城市，但方法直接涉及Gaussian表示、渲染与可扩展性。
LucidLyra：通过多任务蒸馏进行前馈生成式三维场景重建与联合理解
LucidLyra: Feed-Forward Generative 3D Scene Reconstruction and Joint Understanding via Multi-Task Distillation
论文提出LucidLyra，通过蒸馏相机控制视频扩散模型与二维视觉基础模型，前馈重建同时包含几何、外观、开放词汇语义和实例线索的3D Gaussian场景。生成结果支持新视角渲染、语义分割、物体分组及动态场景扩展，作者报告其在合成和真实图像条件基准上优于结合3DGS分割与生成式重建的基线。
关注理由 摘要明确研究生成式三维场景重建，并联合推断编码几何、外观、语义和实例信息的3D Gaussian；任务直接属于3DGS场景表示与理解。
相关方法 · 11
GOFish：全视场高斯泼溅与网格提取
GOFish: Full Field-of-View Gaussian Splatting and Mesh Extraction
论文提出GOFish，直接从鱼眼图像训练3D Gaussian Splatting表面重建模型，并支持超过180度视场的光栅化和对齐网格提取。方法通过校准致密化恢复完整视场表面，并结合校准Mip滤波和宽角外观建模抑制镜头因素。作者在FIORD和FullCircle基准上报告了PSNR与网格F-score提升，形成可实时渲染和提供碰撞几何的数字孪生表示。
关注理由 直接研究面向鱼眼图像的3D Gaussian Splatting表面重建、全视场渲染和网格提取；虽未明确面向城市，但属于与户外数字孪生和可扩展场景表示直接相关的支撑技术。
BudSplat：渲染预算下的前馈3D Gaussian Splatting
BudSplat: Feed-forward 3D Gaussian Splatting under a Rendering Budget
论文针对多视图前馈3DGS中候选高斯数量快速增长和重复表示导致的渲染开销问题，提出BudSplat。方法从多层视觉token提取细节感知重要性分数，并在体素融合中保留高价值局部贡献；随后联合渲染贡献和细节重要性进行质量感知剪枝，并重新分配局部配额。作者在RE10K、DL3DV和ACID上报告了渲染质量与效率之间的良好折中。
关注理由 直接研究前馈3DGS在多视图输入下的冗余高斯筛选、压缩和渲染效率，属于三维Gaussian场景表示的可扩展性支撑方法。
对齐错位的单视图新视角合成基准
Aligning Misaligned Benchmarks for Single-View Novel View Synthesis
论文指出单视图新视角合成的评测会受到方法自身参考坐标系与所谓真实姿态错位的影响，测试时姿态优化还可能落入任意局部最优。作者使用2D到2D及2D到3D图像匹配对齐3D重建，并仅在共同可见区域评估。摘要称，正确坐标对齐后，采用显式3D Gaussians的方法达到当前最佳表现；同时给出基于视频生成器和前馈几何估计器的简单基线。
关注理由 研究单视图新视角合成中显式3D Gaussian方法的坐标对齐与评测问题，直接涉及3DGS渲染评估和跨视角一致性。
用于多视图一致图像生成的自一致性几何注入
Self-Consistency Geometry Injection for Multi-view Consistent Image Generation
针对多视图生成中几何推断不可靠导致的结构错误，作者提出可靠性引导的多视图生成方法 RGMV。该方法通过多个随机采样得到几何预测，以自一致性几何门控估计空间可靠性图，再调节几何条件残差注入 RGB 生成模型的强度，从而保留稳定区域的几何约束并抑制不可靠线索。摘要称其在实验中提升了多视图生成的几何质量，并可适配不同几何提议生成器。
关注理由 论文直接研究单图到多视图的一致性生成与几何引导，方法与跨视角生成相关；但摘要未说明其面向城市、建筑或街景，因此作为通用支撑技术。
COGS：面向属性感知的对象级 3D Gaussian Splatting 感知诊断基准
COGS: A Diagnostic Benchmark for Attribute-Aware Object-Level 3D Gaussian Splatting Perception
论文提出 COGS 数据集、COGS-Bench 基准和 HALO 参考模型，用于分析对象级 3DGS 感知架构如何利用异质 Gaussian 属性。数据集包含 15,675 个经过伪影过滤、具有丰富外观的对象，覆盖 40 个类别。实验表明，不同属性组合对架构的作用并不一致，部分属性子集可优于完整属性集；HALO 通过保留属性特定证据再进行层次聚合，强调了角色保持的属性组织方式。
关注理由 直接研究 3DGS 作为 3D 感知输入表示时不同 Gaussian 属性的利用方式，并提供数据集、基准和属性诊断模型。
WorldProbe：视频世界模型在长时空探索中的崩溃现象
WorldProbe: When Video World Models Fall Apart under Long-Horizon Spatial Exploration
论文提出 WorldProbe，用目标条件多模态智能体在线调整相机动作，评测视频世界模型在长时空探索中的表现。基准包含164个测试案例和四类探测任务，并对10个模型生成超过1600条轨迹。结果显示，模型能较长时间保持局部视觉与内容质量，但长期记忆、世界演化和跨时空一致性仍然较弱。
关注理由 研究视频世界模型在长时空探索中的持续性与一致性评测，属于可扩展3D世界生成的支撑方向，但摘要未说明其面向城市或采用GS表示。
PhysAg3D：连接3D生成模型与智能体模型的高保真物理交互资产
PhysAg3D: Bridging 3D Generative and Agentic Models for High-Fidelity and Physically-Interactive Assets
论文提出 PhysAg3D，从单张图像生成与目标外观对齐的纹理化整体网格，再由视觉语言智能体推断语义部件、交互候选和物理先验，并使用几何与物理工具构造关节、可变形区域及表面绑定。交互渲染和执行测量用于有限预算下的定向修正。作者在真实照片和外部基准上报告了细致、图像对齐且具有合理交互的资产结果。
关注理由 研究从单张图像生成可交互3D资产，并结合几何工具和程序化交互构建；可作为通用3D场景资产生成的支撑，但未明确面向城市建筑或GS表示。
RFW-A：跨500多个类别生成40万可动资产的智能体程序化生成
RFW-A: Agentic Procedural Generation of 400K Articulated Assets over 500 Categories
论文提出 RFW-A，将智能体构建与程序化执行结合：智能体从既有可动资产程序出发，组织可复用组件及其依赖，跨配置和运动状态测试、修正类别级生成器；验证后即可无需额外模型调用地批量生成资产。作者构建了覆盖500多个类别的RFW-A-400K，并报告较高的结构与运动学有效性，以及在仿真训练和真实物体迁移中的收益。
关注理由 研究可复用程序生成器驱动的大规模3D资产创建，属于程序化场景资产生成支撑方向；但资产为可动部件，摘要未说明城市、建筑或GS表示。
Wizard：通过智能体控制实时操纵任意世界
Wizard: Manipulate Any World in Real Time via Agentic Control
论文提出 Wizard，通过骨骼与几何信息构成的结构化代理条件化视频生成模型，并引入自适应掩码以改善控制信号与生成轨迹的对齐。智能体框架显式维护和更新游戏状态，使玩家能够配置虚拟世界并细粒度控制角色动作。作者构建覆盖750个场景和178个角色的数据集，报告了跨新场景、角色和动作的零样本泛化及实时交互能力。
关注理由 研究由结构化几何代理和智能体控制驱动的可交互虚拟世界生成，可作为通用3D世界生成支撑；但摘要聚焦游戏角色与动作，未明确城市生成或GS表示。
L3G-World：利用潜在三维高斯记忆进行实时无限世界生成
L3G-World: Real-Time Infinite World Generation with Latent 3D Gaussian Memory
论文提出潜在三维高斯记忆L3G，将可快速渲染的Gaussian表示与视频扩散Transformer交替结合。记忆更新器在新区域生成Gaussian并细化已有Gaussian，使记忆规模随场景范围而非生成时长增长；每个Gaussian保存VAE潜在特征，可直接渲染到扩散模型潜空间。作者报告其相较高效的既有3D记忆基线减少最多38.6倍基元、更新快3.2倍、渲染快359倍，并达到9 FPS实时生成。
关注理由 摘要提出以潜在特征增强的3D Gaussian作为长期世界生成记忆，直接研究可扩展三维场景表示与实时生成；虽未明确限定城市，属于城市生成可借鉴的通用世界生成支撑技术。
SonoWorld4D：通过扩散同步从单段视频生成四维视听场景
SonoWorld4D: From One Video to a 4D Audio-Visual Scene via Diffusion Synchronization
论文提出Video-to-4DAVScene任务和SonoWorld4D框架，从单目视频生成可探索的时变四维视听场景。方法构建360度静态背景，重建动态发声前景物体的显式运动轨迹，并通过双空间音频扩散同步合成多源物理一致的声音场。结果支持实时新视角视觉和空间音频渲染，作者报告真实动态场景评测及用户研究显示其具有感知上逼真的空间音频。
关注理由 摘要研究从单目视频生成可探索、时变的4D视听场景，属于通用动态场景生成支撑技术；未使用Gaussian表示，也未明确涉及城市、街区或建筑任务。
待确认 · 2
神经显式形状表示
Neural Explicit Shape Representation
论文提出NeuOctree，在稀疏八叉树顶点存储共享特征，并通过交点引导采样预测表面交点、法线和反照率，从而无需网格提取即可直接表面渲染。该结构同时支持对象级压缩和从彩色点云前馈构建可渲染资产，摘要报告其在多个网格和存储预算下的位置误差表现，以及图像条件生成和跨数据集迁移结果。但其与Gaussian表示及城市生成的直接联系在摘要中未说明。
关注理由 论文提出面向对象级三维显式表面表示、渲染和生成的神经八叉树，但摘要未涉及Gaussian/splat表示，也未明确连接城市、街区、建筑或立面生成；可作为一般三维场景表示背景，但按当前兴趣标签不足以保留。
LightGenBench：3D 发光生成基准
LightGenBench: A Benchmark for 3D Emission Generation
论文提出 3D 资产发光生成任务与 LightGenBench 基准，包含 3.7 万个艺术家制作的发光资产，并覆盖 UV、体素和多视图形式。作者比较了 UV、稀疏体素、多视图和分割式生成方法，设计了衡量发光位置与属性的评测协议。摘要报告稀疏体素基线 TRELLIS.2-Emission 表现最佳，但 IoU 仅为 0.271，说明该任务仍未解决。
关注理由 研究通用 3D 资产的空间变化 RGB 发光属性生成及基准，属于可支撑通用 3D 场景资产生成的技术，但摘要未涉及 Gaussian 表示或城市/建筑任务。