GS-Voxel：免拟合结构化潜空间用于大规模3DGS生成

许多可扩展的潜在3D生成器操作于结构化张量，而预优化的3D高斯溅射（3DGS）重建则无序、空间不规则，且原始数量差异大。我们提出GS-Voxel，一种免拟合的结构化潜在框架，并评估其在大规模航空3D高斯场景生成中的应用。GS-Voxel将兼容的预优化3DGS重建确定性转换为稀疏活动体素，无需额外的逐场景优化，保留所选原始的子体素位置和渲染属性。随后，一个GS专用的因子化VAE将体素几何和局部高斯属性分别编码为稀疏3D潜在表示，其大小随占用体素数增长，而非受限于固定的场景级原始数量。我们在GS-Voxel潜在空间中训练图像条件流模型，以生成航空3DGS场景。GS-Voxel实现的关键应用是大面积场景生成：重叠感知的平铺推理扩展了合成范围，超越基于卫星视图图像的单训练裁剪。我们的结果表明，GS-Voxel为预优化的航空3DGS重建提供结构化潜在表示，其潜在容量随占用体素数增长。