ABot-Earth 0.5:生成式3D地球模型

Hugging Face Daily Papers 论文

摘要

ABot-Earth 0.5 是一个生成式3D框架,它利用3D高斯泼溅(3D Gaussian Splatting)从卫星图像合成逼真的3D城市环境,实现实时可视化和低成本的闭环无人机导航。

我们推出了ABot-Earth 0.5,这是一个生成式3D框架,旨在从无处不在的地理参考卫星图像中合成广阔无缝的3D环境。为此,我们提出了一种直接基于3D高斯泼溅(3DGS)表示的新型生成模型。该模型在大量真实世界城市重建的多样化语料库上进行训练,学习生成逼真的几何形状和纹理。在推理时,它仅以卫星图像为条件,以低于每平方公里10分钟的可扩展速率合成新颖的3D场景,同时展现出卓越的逼真度。该框架设计为易于访问,集成了层次细节(LOD)结构,允许在基于Web的地图引擎上进行实时的交互式可视化。这种高保真模拟沙盒有效缓解了模拟到现实领域的差距,支持关键的下游具身AI应用,如闭环无人机导航。通过提供超低成本和高效的解决方案,ABot-Earth 0.5显著降低了大规模3D重建的技术和财务门槛,并赋能全球数字地球可视化的未来。
查看原文
查看缓存全文

缓存时间: 2026/06/10 05:45

论文页面 - ABot-Earth 0.5: 生成式3D地球模型

来源:https://huggingface.co/papers/2606.09967 发布于6月8日

#1 今日论文 (https://huggingface.co/papers/date/2026-06-10) 作者:

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

ABot-Earth 0.5 利用3D高斯泼溅表示从卫星图像生成逼真的3D环境,实现快速合成和实时可视化,适用于具身AI应用。

我们提出 ABot-Earth 0.5,一个生成式3D框架,旨在从普适的、地理参考的卫星图像 (https://huggingface.co/papers?q=satellite%20imagery) 中合成广阔无缝的3D环境。为此,我们提出了一种新颖的生成模型 (https://huggingface.co/papers?q=generative%20model),该模型直接采用3D高斯泼溅 (https://huggingface.co/papers?q=3D%20Gaussian%20Splatting) (3DGS) 表示。模型在多样化的真实世界城市重建语料库上进行训练,学习生成逼真的几何形状和纹理。推理时,它仅以卫星图像 (https://huggingface.co/papers?q=satellite%20imagery) 为条件,以可扩展的速度(每平方公里不到10分钟)合成新颖的3D场景,同时展现出卓越的真实感。该框架设计注重可访问性,集成了分层细节层次 (https://huggingface.co/papers?q=level-of-detail) (LOD) 结构,允许在基于Web的地图引擎上实现实时交互式可视化。这种高保真模拟沙盒有效缩小了模拟到现实的域差距,能够支持关键的具身AI (https://huggingface.co/papers?q=Embodied%20AI) 下游应用,如闭环无人机导航 (https://huggingface.co/papers?q=UAV%20navigation)。通过提供超低成本和高效能的解决方案,ABot-Earth 0.5 显著降低了大规模3D重建的技术和财务门槛,赋能未来全球数字地球可视化 (https://huggingface.co/papers?q=digital%20earth%20visualization)。

查看 arXiv 页面 (https://arxiv.org/abs/2606.09967)查看 PDF (https://arxiv.org/pdf/2606.09967)项目页面 (https://abot-earth.amap.com/)GitHub83 (https://github.com/amap-cvlab/ABot-Earth-0.5)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.09967)

在您的 agent 中获取此论文:

hf papers read 2606\.09967

没有最新的 CLI?curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

暂无模型关联此论文

请在模型 README.md 中引用 arxiv.org/abs/2606.09967,以便从此页面链接。

引用此论文的数据集0

暂无数据集关联此论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.09967,以便从此页面链接。

引用此论文的 Space0

暂无 Space 关联此论文

请在 Space README.md 中引用 arxiv.org/abs/2606.09967,以便从此页面链接。

包含此论文的收藏集0

暂无收藏集包含此论文

请将此论文添加到一个收藏集 (https://huggingface.co/new-collection) 中,以便从此页面链接。

相似文章

Sat3DGen:基于单张卫星图像的全面街景级3D场景生成

Hugging Face Daily Papers

Sat3DGen采用几何优先的方法,从单张卫星图像生成街景级3D场景,通过新颖的约束条件和训练策略,提高了几何精度和照片级真实感。该方法在VIGOR-OOD基准测试上相比先前工作有显著改进。