本钻研由北京大学、高德地图钻研团队结合实现。通讯作者蕴含北京大学博雅特聘教授
，智能学院副院长陈宝权
，北京大学助理教授陈文拯及高德地图徐牧。 试想一下
，无论是为下一代 3A 大作（如《GTA 6》）构建一个 1:1 的纽约城
，还是为城市级无人机送货系统规整齐条在摩天大楼间穿梭的低空物流航路
，甚至是为特大城市的应急响应系统构建一个毫厘毕现的数字底座
，高精度的真切 3D 城市模型都是关键。 通常
，构建一座这样的 3D 城市模型必要数千人的美术团队耗时数年手工建模
，或者动用昂贵的专业设备进行扫描。若何低成本、高效能地将重大的 “实体都视妆 复刻进数字空间
，一向是推算机图形学与 3D 视觉领域试图攻克的终极难题。 相比之下
，卫星图像覆盖全球、易于获取
，似乎是梦想的数据源。但现实上
，用卫星图沉建城市却一向极度难题。底子原因在于视角问题：卫星是从正上方俯拍
，而我们必要的是带有清澈立面的地面视角。 这种从 “顶视图” 推理 “侧视图” 的视角极端表推
，让现有先进步骤如 NeRF 和 3DGS 都难以应对
，沉建出的构筑侧立面时时几何扭曲、纹理吞吐。 SOTA 城市沉建步骤（CityGS-X）在卫星场景下
，能够沉建出优良的城市屋顶几何和自顶向下视角
，但难以沉建城市构筑侧立面
，在近地视角产生严沉的伪影。 为相识决这一难题
，北大与高德团队提出了一种全新的天生式摄影丈量规划Orbit2Ground。它奇妙地结合城市几何先验与天生式 AI
，仅凭稀少的卫星图像
，就构建出了精密美观的真切 3D 城市。 卫星图可以为屋顶提供优良的多视角立体视觉（Multi-View Stereo, MVS）
，但很难捉拿到构筑侧面的视差信息
，这导致传统算法固然能复原出清澈的屋顶
，但一处置侧面就会遭逢严沉的几何崩塌
，复原的墙面支离破碎
，充斥悬浮的碎片。 与通例的街景沉建分歧
，卫星图像稀少且视角严沉地自顶向下
，险些无法捉拿垂直结构的视差。如图所示
，多视角沉建（黄色点）仅能复原地面和屋顶
，无法沉建构筑物表立面。 为了补足缺失的侧面几何
，团队利用了一个关键景象：绝大无数城市构筑的墙壁都是平坦表凸的
，极少出现向内凹陷的结构。 这一数学约束直接决定了最终的几何状态 —— 由于SDF 场的单调性强造要求其天生的等值面（即几何表表）必须是陆续且非凹陷的
，所以这意味着
，几何体不允许在中央断开、破碎或是向内塌陷。 这种 “SDF 单调 → 几何非凹” 的强力约束
，使得算法即便在仅有顶部观测数据的情况下
，也能自动从屋顶向下 “拉伸” 出陆续、关合的齐全墙壁。正是这一约束
，从底子上预防了 “空心楼” 和墙面破碎的问题
，从稀少的卫星数据中天生了结构齐全的构筑几何。 由于大气滋扰和分辨率限度
，卫星拍摄的侧面纹理往往不够清澈。为相识决这个问题
，团队基于 FLUX 模型
，训练了一个专门简直定性纹理建复网络。他们并没有让 AI 凭空凭空
，而是让它基于卫星图提供的基础色和谐结构
，利用进建到的海量城市表观知识
，对吞吐的立面进行确定性建复。 通过将扩散模型微调为 “确定性” 模式
，确保了在分歧视角下天生的纹理是连贯统一的
，预防了天生式 AI 常见的由随机性导致的鬼影、吞吐等问题。 第一阶段（几何沉建）：基于稀少的 MVS 点云优化 Z-Monotonic SDF (Z 轴单调符号距离场)
，从而提取出拥有干净垂直立面的高保真 Mesh 几何。第二阶段（表观精建）：以初始纹理（由卫星图像反向投影得到）为起点
，我们利用建复网络加强近距离新视角的渲染成效
，进而将其作为清澈、高保真的监督信号
，用于最终的纹理优化。 当其他步骤在不够数据的区域产生云雾状的伪影时
，Orbit2Ground 天生的是坚实、连贯的物理表表。在近距离的地面视角下
，构筑立面的纹理清澈可辨
，极大地提升了画面的真实感与沉浸感。 开发者能够直接在这些模型上增长刚体碰撞、进行物理仿照（如积雪堆积、洪水覆没）
，或者进行光照渲染。这意味着我们占有了一种低成本规划
，可能天生不仅 “看得清”
，并且真正 “用得上” 的城市级数字资产。