arXiv cs.AI· Yuchen Zou, Lihuang Fang, Siyu Zhu, Xiao Hu·· 11 小时前AI 评分31
CityPaint：用 2D 扩散模型为城市级 3D 场景生成纹理
CityPaint: A Free Lunch from 2D Diffusion for City-Scale 3D Texturing
AI 导读
CityPaint 提出一种无需城市级 3D 训练数据的框架，借助 2D 扩散模型生成全局一致的城市级 3D 纹理。该方法结合几何先验与 2D 扩散生成能力，引入 top-K 相机烘焙策略进行迭代纹理投影，并用解耦细化机制分别优化地形与建筑纹理。实验显示其在视觉质量和跨视角一致性上优于强基线，论文已被 ACM Multimedia 2026 接收。
正文 · AI 翻译
摘要：生成高保真、城市尺度的 3D 环境在虚拟现实、游戏和城市数字孪生等应用中起着至关重要的作用。然而，真实世界城市尺度 3D 训练数据的稀缺迫使现有方法要么拼接独立生成的资产，要么从合成城市语料库中学习，往往牺牲了真实感和全局一致性。相比之下，2D 图像数据及其对应的生成模型十分丰富，并编码了丰富的视觉先验。为弥合这一差距，我们提出 CityPaint，一种新颖的框架，利用 2D 扩散模型生成全局一致的城市尺度 3D 纹理，而无需依赖城市尺度的 3D 训练数据。具体而言，CityPaint 将几何先验与 2D 扩散模型的生成能力相结合，引入了一种稳健的 top-$K$ 相机烘焙策略用于迭代纹理投影。为解决 2D 到 3D 投影的伪影问题，我们进一步提出了一种解耦细化机制，分别优化地形和建筑纹理。大量实验表明，CityPaint 能生成具有精细局部细节的全局连贯纹理，并在视觉质量和跨视角一致性方面均优于强基线方法。
| 评论： | 已被 ACM Multimedia 2026 接收 |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI) |
| 引用格式： | arXiv:2610.27564 [cs.CV] |
| （或本版本的 arXiv:2610.27564v1 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2610.27564 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Yuchen Zou [查看邮箱]
[v1]
2026 年 10 月 20 日星期二 03:25:20 UTC（7,794 KB）
来源：arXiv cs.AI · arxiv.org