研究人员开发了GS-Voxel，一个旨在将非结构化的3D高斯泼溅（3DGS）重建转换为结构化潜在表示的新型框架。该方法通过利用图像条件流模型，实现了大规模3D场景（特别是航空环境）的可扩展生成。与需要每场景优化的先前方法不同，GS-Voxel确定性地将现有的3DGS数据转换为稀疏体素，将几何和属性编码到随占用体素增长而非固定图元数量增长的潜在表示中。 AI
影响 通过改进3DGS数据的潜在表示，实现了大规模3D场景（特别是航空环境）更具可扩展性和效率的生成。
排序理由 该集群描述了一篇详细介绍新型3D场景生成方法的最新技术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
GS-Voxel converts unstructured 3D Gaussian reconstructions into sparse structured latents to enable scalable aerial scene generation via flow models.
arXiv:2608.17988v1 Announce Type: new Abstract: Many scalable latent 3D generators operate on structured tensors, whereas pre-optimized 3D Gaussian Splatting (3DGS) reconstructions are unordered, spatially irregular, and vary widely in primitive count. We present GS-Voxel, a fitt…