收集详情
采集完成 · 候选 1217 · 已筛选 1217
RSS 公告日期：2026-11-03
更新时间：2026-11-03T18:20:00.812184Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 13
生成的平面图止步何处：编码实践验收规则评估机器学习平面图生成器
Where Generated Floor Plans Stop: Encoding Practice Acceptance Rules to Evaluate Machine Learning Floor Plan Generators
论文指出现有平面图生成器主要依据房间邻接关系评价，缺乏建筑专业知识。作者将建筑事务所生产布局软件中的验收规则编码为六项顺序检查，并校准两个房间形状限制，再将其应用于多个生成器和 RPLAN、MSD 数据。结果显示，房间比例检查可拒绝 33.7% 的 House-GAN++ 平面图，而 RPLAN 为 5.0%；摘要称这些检查揭示了标准邻接指标遗漏的质量问题。
关注理由 直接评估机器学习生成的建筑平面图，并引入建筑实践中的验收规则检验生成布局质量，属于建筑布局生成的评价与支撑方法。
MoRE-GS：面向未来Gaussian Splatting的运动状态专家
MoRE-GS: Motion-Regime Experts for Future Gaussian Splatting
论文针对同一场景中静止、协同运动、局部交互和关节运动等多种运动状态难以由单一模型统一预测的问题，提出MoRE-GS。方法冻结由观测时间前缀重建的Gaussian表示，并使用持久性模型、系数空间Transformer、图卷积网络及带刚性和非刚性约束的Transformer预测控制关键点运动。路由表按软运动组和预测时域分配专家组合，持久性门控抑制不可靠外推。在D-NeRF和HyperNeRF场景上，作者报告其优于其他方法。
关注理由 直接研究动态3D Gaussian场景的未来新视角合成与运动预测，属于3DGS动态建模与渲染方向。
X-World 1.6：使用世界模型构建可控虚拟城市
X-World 1.6: Building Controllable Virtual Cities with World Models
论文介绍X-World 1.6，一个面向闭环评测和策略学习的可控虚拟城市世界模型。系统增强了交通灯、道路标线等交通语义控制，并提升跨摄像机空间一致性；Virtual City模型族可由多样二维和三维参考条件构建场景，并支持从单张图像生成多摄像机未来视频。作者还改进了后训练框架，以实现高效因果少步生成、更强时间一致性和长时序质量保持，并提出专门评测套件。
关注理由 直接研究可控虚拟城市构建与多摄像机未来视频生成，属于城市整体场景生成；摘要未说明使用Gaussian表示。
SHield：通过球谐系数扰动为 4D Gaussian Splatting 添加水印
SHield: Watermarking 4D Gaussian Splatting via Spherical Harmonic Coefficient Perturbation
论文针对 4D Gaussian Splatting 参数文件易被复制且现有视频解码式水印验证成本较高的问题，提出 SHield。方法将零均值载荷平铺到关键 Gaussian 子集的球谐系数中，并通过短时锚定优化保持视觉质量；验证时利用 canonical Gaussian 中心重新关联密钥，再以闭式计算恢复载荷。摘要报告其在 30 个场景、150 个模型上实现 Pearson 相关系数至少 0.991，平均渲染损失不超过 0.13 dB，并能抵抗 INT8 量化和 30% 不透明度剪枝。
关注理由 直接研究 4D Gaussian Splatting 参数文件的水印嵌入与验证，属于 Gaussian 场景表示的保护与管理。
AbacusGS：无需逐 Splat 排序的 Gaussian Splatting
AbacusGS: Gaussian Splatting without Per-Splat Sorting
论文针对 3D Gaussian Splatting 在每帧逐 splat 深度排序导致 CPU 和网页、移动端渲染耗时较高的问题，提出 AbacusGS。方法将混合顺序存入场景布局，把 splat 分组到最多 128 个元素的八叉树盒中，仅对可见盒排序，并依据视线方向决定读取顺序；同时通过短时顺序感知微调转换已有模型。摘要报告在 13 个标准场景上平均 PSNR 损失 0.13 dB，在 OpenGL CPU 排序查看器中渲染速度达到逐 splat 排序的 4.5 倍。
关注理由 直接改进 3D Gaussian Splatting 的渲染排序与存储布局，目标是降低逐 splat 深度排序开销并提升渲染效率。
GSExplorer：基于持久化三维 Gaussian 世界状态的交互式世界生成
GSExplorer: Interactive World Generation with a Persistent 3D Gaussian World State
论文关注交互式世界生成中的局部控制不足和长时序场景不一致问题，提出围绕持久化 3D Gaussian 世界状态的生成—重建框架。当前 3DGS 场景为条件视频生成器提供多模态渲染条件，相机几何通过相对射线编码注入；生成视频再由基于 SLAM 的重建后端回写，并通过不一致过滤和跨块束调整抑制冲突、改善空间对齐。摘要报告其在单步和三步 WorldScore 评测中取得作者所称的最佳综合表现，单步相机控制得分为 99.07，并在 481 帧往返探索中保持较强重访一致性。
关注理由 直接围绕持久化 3D Gaussian 世界状态进行交互式世界生成与重建，涉及 GS 条件生成、场景一致性维护和长期探索，属于通用可扩展三维场景生成的直接相关方法。
VLSplat：通过场景图进行视觉语言引导的对象中心三维 Gaussian Splatting
VLSplat: Vision-Language Guided Object-Centric 3D Gaussian Splatting via Scene Graph
本文针对二维到三维语义提升缺少对象级先验的问题，提出 VLSplat。方法利用视觉语言模型提供对象级语义先验，并通过对象组场景图进行细化：组内模块抑制语义噪声，组间模块吸收邻近结构相关候选区域。作者在室内场景数据集上的实验表明，该方法提升了对象类别的语义一致性和结构完整性。
关注理由 论文直接研究三维 Gaussian Splatting 的对象级语义提升，通过视觉语言模型先验和场景图细化 Gaussian 表示，属于三维 Gaussian 场景理解核心方向。
统一的损失感知3D Gaussian Splatting密度控制
Unified Loss-Aware Density Control for 3D Gaussian Splatting
论文将3DGS密度控制重新表述为局部损失下降决策，利用基于Taylor展开的逐Gaussian代理模型预测分裂、克隆和透明度更新的目标变化。方法扩展联合位置—尺度空间中的二阶分裂，筛选有益的重复克隆，并以选择性软衰减替代全局透明度重置。作者报告称，该方法在标准3DGS基准上实现了更有针对性的原语分配，并以相当或更少的Gaussian数量获得更好的渲染质量。
关注理由 直接研究3D Gaussian Splatting的自适应密度控制，改进分裂、克隆和透明度衰减，以提升重建渲染质量与原语分配效率。
UniGS-SLAM：增强几何与开放词汇语义的单目Gaussian SLAM
UniGS-SLAM: Monocular Gaussian SLAM with Enhanced Geometry and Open-Vocabulary Semantics
论文提出RGB-only的UniGS-SLAM，将开放词汇语义与Gaussian重建解耦，同时保持双向交互。基础模型先增强单目深度和位姿估计，语义观测则融合到带来源记录的独立稀疏体素地图中，使历史证据可随几何更新修正；融合语义进一步指导Gaussian筛选和局部表面细化。作者报告称，该方法在Replica、ScanNet和KITTI-360上取得领先的跟踪、渲染和几何重建表现，并较最快的对比语义SLAM基线实现2.37倍重建加速。
关注理由 直接研究基于Gaussian表示的单目语义SLAM，涉及几何重建、语义融合、Gaussian筛选和表面细化。
OctreeSplat：八叉树引导的分层前馈 Gaussian Splatting
OctreeSplat: Hierarchical Octree-Guided Feed-Forward Gaussian Splatting
本文针对前馈 3DGS 使用固定图像或空间分辨率、难以依据局部复杂度分配基元的问题，提出八叉树引导的 OctreeSplat。方法从冻结视觉基础模型提取多视图特征和几何先验，构建分层八叉树并预测致密化分数，以可变密度分配 Gaussian；随机实体体渲染用于增强深度监督和表面重建，并可通过测试时优化改善相机参数一致性。作者报告在 Replica、TUM、Tanks and Temples 与 DTU 上具有有竞争力的 RGB、深度和表面重建性能，同时减少 Gaussian 数量并保持重建质量。
关注理由 直接研究 3D Gaussian Splatting 的前馈重建、渲染与可扩展表示，通过八叉树按局部复杂度分配 Gaussian 基元。
GaussFlaw：3D Gaussian Splatting 的细粒度感知诊断
GaussFlaw: Fine-Grained Perceptual Diagnosis for 3D Gaussian Splatting
本文针对 3DGS 渲染伪影具有局部性和多样性、难以由全局质量指标诊断的问题，构建 GaussFlaw-80K 数据集，并提出几何引导的多任务模型 GeoCritic。数据集包含 80,049 个伪影区域，标注像素级掩码和八类几何、混合及光度缺陷；模型融合 RGB 与深度线索，同时定位伪影并分类类型。作者报告 AUC-J 为 0.9507、Acc@1 为 80.08%，且诊断引导的 Gaussian 致密化、属性修正和离群点剪枝改善了多种全局及裁剪指标。
关注理由 直接研究 3DGS 渲染伪影的细粒度诊断，并将诊断用于 Gaussian 致密化、属性修正和离群点剪枝。
自学习神经视角相关颜色场中的三维 Gaussian Splatting
3D Gaussian Splatting within Self-Learned Neural View-Dependent Color Fields
论文针对离散三维 Gaussians 深度质量较差、几何细节不足且易产生浮点伪影的问题，在神经网络参数化的连续视角相关颜色场中学习辐射场。方法利用颜色连续性促使几何建模承担高频颜色变化，并加入 Lipschitz 连续性约束，使颜色变化与位置变化保持比例关系；同时设计无需外部先验的自学习策略，以提升未见场景泛化。作者在常用基准上的数值和视觉比较称其具有更高的 3DGS 高保真几何恢复能力。
关注理由 论文直接研究 3D Gaussian Splatting 的连续视角相关颜色场、几何恢复和浮点伪影问题，属于三维 Gaussian 场景表示的核心方法。
从视觉到可执行的建筑程序化重建
Visual-to-Executable Procedural Reconstruction of Buildings
论文研究从自然场景图像恢复可执行的程序化建筑描述，以生成可编辑、可复用的三维建筑资产。针对单幅图像证据不完整且具有视角依赖的问题，方法聚焦主要可见立面，并将恢复的立面程序附着到简单体量模型。框架先用 Global Structure Layout Tree 建模立面尺度的分割与重复结构，再用 Component Parameterization 将代表性立面块映射为结构化组件参数，最后确定性编译为 CGA 程序。实验称该方法兼顾规则及复杂自然图像立面的结构一致性、可执行性和细粒度细节，并支持可控建筑资产生成。
关注理由 论文从图像恢复可执行、可编辑的建筑立面程序，并生成可控可复用的三维建筑资产，直接对应建筑立面与程序化城市内容生成。
相关方法 · 12
Gaussifier：快速二维 Gaussian 分解
Gaussifier: Fast 2D Gaussian Decomposition
论文针对二维 Gaussian 图像表示依赖逐图像优化、难以实时使用的问题，提出轻量级前馈分解框架 Gaussifier。方法从拟合数据学习 Gaussian 中心密度图，利用等质量 Voronoi 放置 Gaussian，并通过无状态网络迭代细化结果。在 Kodak-24 和 DIV2K 上达到 40.73/38.61 dB PSNR、超过 60 FPS；摘要称其在相同 Gaussian 数量下优于所有前馈基线，并显著减少达到相同性能所需的时间。
关注理由 直接研究二维 Gaussian 图像表示的快速分解与实时渲染，属于关注的二维 Gaussian 表示方法，但摘要未涉及三维表面或城市应用。
CDBM：建筑形态复杂度—多样性分析框架
CDBM: Complexity-Diversity Framework for Building Morphology Analysis
论文提出十二个可解释的建筑复杂度—多样性指标，用于刻画垂直挤出建筑体量中的几何细节强度及其空间变化差异。作者在约4.82亿个OpenStreetMap建筑上计算指标，并与现有3D建筑指标和形状潜变量比较。实验覆盖功能、区域、上下文相关性、真实与生成体量区分、人类偏好及几何条件生成等任务；结果显示CDBM在生成体量判别和人类偏好匹配上表现最佳，但其他任务中3DBM更优。
关注理由 研究建筑体量形态的复杂度与多样性度量，并将其用于城市建筑生成结果评估和生成目标分析，直接支撑建筑体量生成与评价。
LoD-Loc v4：基于全景 LoD 三维地图配准的广义航拍视觉定位
LoD-Loc v4: Towards Generalized Aerial Visual Localization via Panoptic LoD 3D Map Registration
论文针对建筑稀疏或缺失区域中的航拍定位失败问题，将 OSM、DEM 与 LoD 资产融合为全景三维地图，并把查询图像解析为建筑实例及道路、植被、水体等连续区域，进行全景配准以优化相机位姿。同时构建包含 8.5 万张像素级标注图像的 AirPan 数据集。作者报告该方法优于所比较的基线，并在无建筑场景中保持可靠定位。
关注理由 论文构建融合 OSM、DEM 和 LoD 资产的城市三维地图，并进行建筑、道路、植被和水体的全景配准，可作为城市三维场景解析与几何先验支撑，但任务本身是航拍视觉定位而非生成。
从一个示例生成无限世界：局部生成器必须共享什么
Infinite Worlds from One Example: What Local Generators Must Share
论文分析局部生成器在无界世界中保持示例统计特征和长距离一致性的必要条件，指出仅依赖各单元独立随机性的统一规则无法满足某些约束，并提出沿结构方向共享随机性及位置周期信息的构造条件。作者在多组 Wave Function Collapse 示例上进行验证，报告神经元胞自动机和扩散模型在部分认证示例中经修复后达到有效约束，同时结合分层种子噪声保持随机访问。
关注理由 论文研究从单个示例生成无界世界的局部生成器、空间共享随机性和程序化约束，可直接作为可扩展程序化场景生成的支撑方法，但摘要未涉及城市、建筑或 Gaussian 表示。
AgiWorld：构建持久世界的智能体视频世界模型
AgiWorld: An Agentic Video World Model for Building Persistent Worlds
论文提出AgiWorld，通过智能体进行高层世界与旅程规划，再由视频世界模型逐块生成内容并将几何存入空间记忆。系统围绕共享空间记忆和度量相机轨迹运行闭环，并采用基于表面可见性的历史视图检索及可靠性维护，以缓解遮挡和长期几何误差。作者报告称，AgiWorld在世界重访与探索基准上达到其所称的当前最佳整体表现，并可依据自由指令构建持续数分钟的持久世界。
关注理由 研究从单张图像和自由指令构建可持续探索的三维视频世界，属于可扩展通用3D世界生成与空间记忆支撑技术，但摘要未明确城市或Gaussian表示。
SeMo3D：通过选择性建模统一3D生成、编辑与补全
SeMo3D: Unifying 3D Generation, Editing, and Completion via Selective Modeling
论文提出选择性建模范式，将3D生成、编辑和补全统一为仅合成指定区域并保留其余内容。训练时使用区域选择性去噪，在普通3D资产上随机选择不同大小区域；架构上采用Omni3DiT融合图像、文本和点条件，区分需要创建与保留的区域。作者报告称，SeMo3D在三个基准上的三项任务均超过现有方法，并支持多模态控制以及自然语言交互式3D创建。
关注理由 研究可控3D内容生成、编辑和补全的统一建模，可作为通用3D生成与资产创建支撑技术；摘要未明确城市任务或Gaussian表示。
UniCross3D：用于一致单图像三维生成的统一跨视角与跨域扩散
UniCross3D: Unified Cross-View and Cross-Domain Diffusion for Consistent Single-Image 3D Generation
本文针对单幅 RGB 图像三维生成中的遮挡、光照变化和纹理—几何耦合问题，提出 UniCross3D 统一跨视角与跨域扩散框架。方法通过跨视角潜变量正则化降低不同视点间的几何不一致，并以基于成像物理的互信息目标对齐颜色与法线。作者报告其在视角一致性、语义对齐和重建保真度方面优于现有方法，尤其适用于纹理复杂和视角含糊的情况。摘要未说明 Gaussian 表示。
关注理由 摘要明确研究单幅图像到一致、物理合理三维生成，涉及跨视角几何一致性、颜色与法线图对齐，但未明确采用 Gaussian/splat 表示；属于通用三维生成的支撑技术。
多尺度空间先验引导的局部—全局联合点云超分辨率
Local-Global Joint Modeling for Point Cloud Super-Resolution Guided by Multi-Scale Spatial Priors
论文研究基于距离图的稀疏户外点云超分辨率，针对距离图垂直方向采样不均、局部细节与长程依赖难以兼顾，以及前景—背景边界回投影产生尖峰伪影等问题，提出多尺度空间先验和局部—全局联合建模框架。方法包含空间门控融合、多粒度局部—全局协同感知和二维中值残差去噪模块。在 KITTI-360 与 nuScenes 上分别取得 0.4703 和 0.3593 的 IoU，摘要称结果支持该方法的可行性。
关注理由 方法针对户外 LiDAR 点云超分辨率，并在 KITTI-360 与 nuScenes 上验证，可作为城市/户外三维重建的支撑技术；但不涉及 Gaussian 场景表示或城市内容生成。
面向航测内容感知的城市摄影测量点云样本自适应分类器
Aerial Content-Aware Sample-Adaptive Classifier for Urban Photogrammetric Point Cloud Segmentation
论文针对城市摄影测量点云通常仅使用局部三维块、难以区分几何相似类别的问题，提出航测内容感知的样本自适应分类器 ACASAC。方法通过点对齐航拍区域连接全局航拍裁剪与局部三维块，在决策层建模场景到局部的变化及二维、三维表示差异，并据此细化局部点类别表示。其在 SensatUrban 和 UrbanBIS 上相对固定双表示分类头分别提升 2.1 和 2.7 个 mIoU 点。
关注理由 论文处理城市航测摄影点云的二维—三维联合语义分割，提出面向城市点云的样本自适应分类器，属于直接服务城市三维数据解析的支撑方法。
AnchorComplete：从部分点云恢复完整场景网格
AnchorComplete: Recovering Complete Scene Meshes from Partial Point Clouds
论文针对图像重建通常只能获得带孔洞的可见表面问题，提出 AnchorComplete，从部分点云生成完整场景网格并保留观测几何。方法结合全局场景 token 与局部空间证据进行条件生成，并采用度量尺度的粗到细生成，在固定窗口中逐步细化几何。作者在 Replica 和 SCRREAM 上报告其优于强基线，尤其适用于稀疏视角场景。
关注理由 摘要研究从部分点云恢复完整场景网格，属于可扩展三维场景重建与生成，可作为城市场景生成的支撑技术；未涉及 Gaussian 表示。
Intent2CAD：语义—参数监督如何塑造文本到 CAD 的生成
Intent2CAD: How Semantic-Parametric Supervision Shapes Text-to-CAD Generation
论文研究文本到 CAD 生成中监督表示粒度对生成质量和零样本意图保持编辑的影响。作者构建 IntentCAD-100K 与 IntentCAD-Edit-1K，并提出两阶段保守提升流程：语义提升将可靠图元组改写为特征操作，参数提升显式化轻量参数关系。受控微调后，作者报告语义提升降低 IR 并提高 API Recovery，参数提升进一步改善关系感知编辑。
关注理由 摘要关注可执行 CAD 程序的语义与参数化结构及可编辑性，属于程序化创建的邻近方法，但未明确面向城市、建筑或立面任务，因此仅作支撑。
CoLa3D：可组合的潜在三维分解
CoLa3D: Composable Latent 3D Decomposition
论文提出 CoLa3D，在共享整体场景潜变量中直接分解对象，避免逐对象在规范空间生成后再进行脆弱的位姿和尺度估计。其查询式 Transformer 支持二维掩码、三维点和可学习查询，并输出具有一致空间布局的对象网格。作者在合成和真实数据集上报告了场景级一致性与对象质量提升，同时保持较低训练数据和运行开销。
关注理由 摘要研究从单图像或场景网格分解出具有一致空间布局的可组合对象网格，属于通用三维场景生成与资产分解，可支撑城市场景资产组装；未涉及 Gaussian 表示或明确城市数据。
待确认 · 4
SceneBound：流式三维重建模型应记住多少内容？
SceneBound: How Much Should a Streaming 3D Reconstruction Model Remember?
论文提出无需训练的 SceneBound 规则：仅当当前预测相机位姿与所有已存关键帧的距离达到固定半径时才写入新帧，并在大场景中检测漂移后关闭子地图。该规则使关键帧数量随访问区域增长、返回旧区域时保持稳定。作者在四个模型和三类记忆结构上验证，并报告 CUT3R 与 StreamVGGT 中取得最低平均轨迹误差，关键帧增长为 3% 至 6%。
关注理由 论文研究流式三维重建中的关键帧写入策略、轨迹漂移和内存效率，属于可扩展三维重建支撑方法；摘要未说明 Gaussian/splat 表示，也未直接针对城市生成。
智能体计算机图形学进展
Advances in Agentic Computer Graphics
本文综述利用大语言模型智能体生成和迭代优化图形代码的研究，提出统一分类体系，并构建可辅助研究者分析文献的智能体系统。摘要还讨论智能体协作、工具接口、长期规划和交互式图形评估等开放问题，但未说明其对城市生成或 Gaussian/Splat 方法的具体覆盖。
关注理由 这是关于智能体计算机图形学的综述与文献分析系统，涉及代码生成和图形任务，但摘要未明确指向 Gaussian/Splat、城市生成或建筑资产生成。
几何形态学习：从结构到时空智能赋能基础模型
Geometric Morphology Learning: Empowering Foundation Models from Structure to Spacetime Intelligence
本文提出几何形态学习框架，通过神经丛连接局部与全局结构，并构造联络、曲率等可微算子，以支持几何结构学习、推理和规划。该方向可能为三维场景表示提供一般几何基础，但摘要没有说明其与 Gaussian/Splat 或城市生成的直接实验联系。
关注理由 摘要提出面向几何与拓扑结构学习的通用框架，可能支撑三维几何表示与推理，但未明确涉及 Gaussian/Splat、城市场景或城市生成任务。
从单目视频进行动态内窥镜场景的四维三角形 Splatting 重建
4D Triangle Splatting Reconstruction of Dynamic Endoscopic Scenes from Monocular Videos
本文提出自监督 SurgicalTS，用规范三角形集合和形变网络表示动态内窥镜场景，并引入基于四元数的形变模型、改进的颜色参数化、时空先验及新的初始化策略，以处理组织形变、遮挡和工具交互。作者在多种体内内窥镜视频上的实验表明，该方法能够建模软组织和工具—组织交互，并报告优于现有方法及较短训练时间。
关注理由 论文直接研究动态场景的 triangle splatting 重建，属于与 Gaussian 场景表示相邻的 splatting 技术，但摘要未说明使用 Gaussian，也未涉及城市或建筑任务。