GS4City：通过城市模型先验进行分层语义高斯分布

最近的语义 3D 高斯分布 (3DGS) 方法主要依赖于 2D 基础模型，通常会产生模糊的边界，并且对结构化城市语义的支持有限。虽然 CityGML 等城市模型将分层组织的语义与建筑几何图形一起编码，但这些标签无法直接映射到高斯基元。我们提出了 GS4City，一种分层语义高斯分布方法，它结合了城市模型先验来进行城市场景理解。 GS4City 通过两遍光线投射从细节级别 (LoD) 3 CityGML 模型导出可靠的图像对齐蒙版，明确使用父子关系来验证和恢复细粒度的立面元素。然后，它将这些基于几何的掩模与基础模型预测融合，以建立场景一致的实例对应，并在联合 2D 身份监督和 3D 空间正则化下学习每个高斯的紧凑身份编码。 TUM2TWIN 和Gold Coast数据集上的实验表明，GS4City 有效地将结构化建筑语义融入到高斯场景表示中，在粗粒度语义分割中优于现有的 2D 驱动语义 3DGS 基线（包括 LangSplat 和 Gaga）高达 15.8 IoU 点和 14.2 mIoU 点。通过桥接结构化城市模型和逼真的高斯场景表示，GS4City 实现了语义可查询和结构感知的城市重建。代码可在 https://github.com/Jinyzzz/GS4City 获取。