摘要

基于NeRF的3D城市生成方法虽展现出令人瞩目的生成效果，但其计算效率较低。近期，3D高斯溅射（3D Gaussian Splatting, 3D-GS）作为一种高效的物体级3D生成替代方案应运而生。然而，将3D-GS从有限尺度的3D物体与人体扩展至无限尺度的城市场景，面临显著挑战。无界3D城市生成带来了巨大的存储开销（如显存溢出问题），需将点云扩展至数十亿级别，通常一个覆盖10 km²范围的城市场景即需数百GB的显存（VRAM）。本文提出GaussianCity——一种专为高效合成无界3D城市而设计的生成式高斯溅射框架，仅需一次前向传播即可完成生成。我们的核心思想包含两点：1）紧凑的3D场景表示：提出BEV-Point作为高度紧凑的中间表示形式，确保无界场景下显存占用保持恒定，从而实现真正意义上的无界城市生成；2）空间感知的高斯属性解码器：设计空间感知的BEV-Point解码器以生成3D高斯属性，利用Point Serializer融合BEV点的结构与上下文特征。大量实验表明，GaussianCity在无人机视角与街景视角的3D城市生成任务中均达到当前最优性能。尤为突出的是，相较于CityDreamer，GaussianCity在保持更优生成质量的同时，实现了60倍的加速（10.72 FPS vs. 0.18 FPS）。