Problem
現有的 3D 高斯噴濺 (3DGS) 重建結果通常為無序且空間不規則的基元集合，且基元數量在不同場景間差異極大。這種非結構化且不穩定的特性，使得傳統基於張量的生成模型難以直接處理大規模且複雜的 3D 場景建模任務。
Method
開發 GS-Voxel 框架，利用確定性演算法將 3DGS 直接轉換為稀疏活體素，無需額外的逐場景優化。該系統採用 GS 特化的分解式 VAE，將體素幾何與局部 Gaussian 屬性編碼為稀疏潛在空間，並結合影像條件流模型進行推理，透過重疊感知的平鋪技術實現大面積合成。
Results
實驗結果顯示，GS-Voxel 成功為預優化的空拍 3DGS 提供結構化潛在表示，其潛在空間容量能隨場景規模動態調整。該模型不僅能生成高品質的局部場景，更具備根據衛星影像生成超越單一訓練範圍的大型連續 3D 場景之能力。
Significance
此研究克服了固定基元數量對 3D 生成的限制，為大規模地理空間數位孿生與空拍建模提供了一套高效、可擴展且無需重新擬合的解決方案，顯著提升了長距離與大範圍 3D 視覺生成的實用價值。