收集详情
采集完成 · 候选 414 · 已筛选 414
RSS 公告日期：2026-11-02
更新时间：2026-11-02T06:11:06.314474Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 3
基于基础增益表示的先验引导单曝光HDR新视角合成
Prior-Guided Single-Exposure HDR Novel View Synthesis via Base-Gain Representation
论文针对单曝光LDR视图监督不足以及相机响应函数可估计范围有限的问题，提出PriorGS。方法利用2D HDR重建产生伪HDR监督，并通过闭环重建锚定输入LDR；同时以可学习先验约束响应函数单调且合理。为缓解跨视角伪HDR不一致，作者提出将HDR辐射分解为LDR基础层与3D增益场的base-gain表示，并报告其优于基线。
关注理由 直接提出基于3D Gaussian Splatting的HDR新视角合成与外观编辑方法，属于Gaussian场景表示、重建和渲染方向。
可查询高斯视图索引：文本检索与选择性相机定位
Queryable Gaussian View Index: Text Retrieval and Selective Camera Localization
论文提出可查询高斯视图索引 QGVI，针对已有 Gaussian 场景资产建立语言可搜索的视图索引，并将结构化描述绑定到已知相机位姿和位置标识。文本路线无需在线渲染、VLM 或场景专用位姿网络；图像路线利用 LoGS 几何估计和查询关键点内点进行筛选。在九个开发场景上，文本路线 Top-1/Top-5 联合成功率为 58.3%/78.3%，图像路线在 1 米/2 度阈值下达到 97.3% 的场景均值位姿成功率。
关注理由 直接研究已有 Gaussian 场景资产的文本检索与 RGB 相机定位，输出资产坐标系中的相机位姿，符合 3DGS 场景理解与定位方向。
DrawSplat：Atlanta World 引导的室内隐式高斯 SLAM
DrawSplat: Atlanta World-Guided Implicit Gaussian SLAM for Indoor Reconstruction
DrawSplat 提出由 Atlanta World 先验引导的隐式 Gaussian SLAM 框架。方法通过点线联合跟踪估计相机位姿、稀疏几何与重力方向，再从跟踪线推断结构平面，并将其转化为 Gaussian 中心和法向的可微正则。结合基于锚点的隐式神经 Gaussian 表示与自适应结构采样，方法在结构区域分配更多表示容量。作者报告其在多个数据集上实现稳健跟踪、高保真渲染和较强几何重建，并兼顾质量、效率与模型规模。
关注理由 直接提出隐式 Gaussian SLAM，用于室内场景的相机跟踪、渲染和几何重建，涵盖 Gaussian 表示构建与重建方向。
相关方法 · 4
DyCraft：面向长时程4D场景生成的智能体系统
DyCraft: An Agentic System for Long-Horizon 4D Scene Generation
论文针对编码智能体一次性生成长时程动画时易出现物体穿插、缺乏支撑和运动不自然等问题，提出DyCraft。系统先将提示扩展为计划并生成静态场景，再构建可独立调试的3D关键姿态分镜，最后在经过验证的状态对之间创作局部运动。作者在24项多镜头动画任务上评估，报告称其减少物理违规，并获得更高质量且更受人类评审偏好的结果。
关注理由 研究通用长时程4D场景生成与程序化场景构建，虽未采用Gaussian表示或明确城市对象，但可直接作为可扩展动态场景生成的支撑技术。
Coarse3D：面向图像到3D的可控且忠实稀疏结构生成
Coarse3D: Controllable and Faithful Sparse Structure Generation for Image-to-3D
论文指出粗到细3D生成的首阶段稀疏结构会决定整体方向和几何，但现有方法存在语义规范化不明确、结构与输入图像不一致的问题。Coarse3D通过首帧锚定规范空间、结合辅助前馈重建的双塔DiT，以及利用像素到体素对应关系的空间先验注意力，生成方向可控且结构忠实的体素几何。作者报告其提升稀疏结构质量，并持续改善最终3D生成效果。
关注理由 研究通用图像到3D的稀疏结构生成，可作为可扩展3D内容生成和几何先验的支撑技术，但未涉及Gaussian表示或城市对象。
SketchDirector：通过智能体布局推理与细节优化进行复杂场景草图生成
SketchDirector: Complex Scene Sketching via Agentic Layout Reasoning and Detail Refinement
论文针对现有草图生成方法主要面向单物体或简单场景的问题，提出SketchDirector。系统先用大语言模型将场景提示分解为多个Bezier曲线资产，再通过带自演化记忆的智能体循环规划和执行空间布局，最后利用扩散先验进行细节优化并保持几何结构。作者还发布包含可编辑矢量资产、组合布局和对象操作标注的MCSketch8K数据集，并报告其在语义与组合质量上优于基线。
关注理由 研究文本驱动的多概念场景资产分解、空间布局和可编辑资产组装，可作为程序化场景创建与布局推理的支撑技术；但摘要未限定城市场景。
VoxLution：用于高保真三维场景生成的体素演化
VoxLution: Evolving Voxels for High-Fidelity 3D Scene Generation
VoxLution 提出基于 Transformer 的粗到细三维场景生成方法：先生成低分辨率空间布局，再按局部块逐步细化几何。方法将三维超分辨率建模为多分辨率稀疏体素网格上的序列建模，并用无训练、分辨率不变的标记化方案编码八个八分体，同时加入相邻块边界信息以保持一致性。作者报告其在 3D-FRONT 和 ScanNet++ 上取得更低的 FPD 和 FID。
关注理由 研究可扩展的高分辨率三维场景生成与布局到局部细节的渐进式生成，属于通用 3D 场景生成支撑技术；但摘要对象是室内场景，未直接涉及城市、街区或建筑立面。
待确认 · 2
PGGT-Loc：基于原语的几何 Transformer 前馈相机定位
PGGT-Loc: Primitive-Grounded Geometry Transformer for Feed-Forward Camera Localization
PGGT-Loc 提出 Primitive-Grounded Geometry Transformer，将查询图像中的观测与平面地图原语建立联系，以进行前馈式 6-DoF 相机定位。网络输入单张图像和一组平面地图原语，并预测多个定位目标，目标是在未见环境中泛化。作者报告该方法在稠密表面地图和极简布局模型上均取得较好的定位性能。
关注理由 研究将单张查询图像与平面地图原语对齐以进行前馈式 6-DoF 相机定位，属于三维结构定位的直接支撑方法，但摘要未说明 Gaussian 或城市应用。
重新思考自监督三维几何学习中的不对称性
Rethinking Asymmetry in Self-Supervised 3D Geometry Learning
摘要显示该工作重新设计自监督三维几何学习中的不对称性：仅将留出视图排除在重建场景之外，同时让共享骨干网络利用所有视图进行对应关系学习，并通过稀疏与稠密上下文特征对齐及视觉基础模型特征对齐增强训练信号。作者报告其改善了几何估计，并能提升后续监督训练效果。
关注理由 研究无位姿图像上的自监督三维几何学习，改进深度和相机位姿估计，但摘要未涉及 Gaussian/splat 表示，也未明确服务于城市生成或相关场景任务。