GridFlow：用于无缝城市规模 3D 点云生成的结构化潜在流

从遥感数据生成真实的 3D 城市环境对于模拟、城市规划和混合现实非常重要，但现有的点云生成方法仅限于单个对象或有界的室内场景，无法处理城市规模生成的规模、无缝平铺和部分可观察性挑战。我们提出了 \ours{}，这是一个多阶段框架，可以在城市规模上生成密集的彩色点云（每 $150\text{m}{\times}150\text{m}$ 瓦片生成 $10^5$ 点），以卫星图像、语义分割地图和数字表面模型 (DSM) 为条件。 \emph{Grid-Aligned VAE} 将每个图块编码为保留拓扑的潜在网格，其中词元对应于固定的空间区域，从而实现空间相干的多模态调节和紧凑的潜在空间边缘一致性，隐式对齐数千个边界点以实现无缝跨图块生成。条件整流流模型从融合的多模态条件中合成潜在的几何形状，方向感知的扩散着色器分别处理卫星可见的水平表面和遮挡的垂直立面。为了支持标准化评估，我们在公共 3D 数据源的基础上引入了 \emph{City3D-MultiGen}，这是来自墨尔本和伦敦的 163$K 密集注释图块的基准，其中包含对齐的点云、卫星图像、语义地图和高程数据。实验表明，我们的{}在所有几何指标上都优于自适应点云生成基线，并在任意大的城市范围内生成具有无缝边界的视觉连贯的彩色点云。我们的基准详细信息请访问 https://huggingface.co/datasets/e32/City3D-MultiGen