CityPaint：2D 扩散为城市级 3D 纹理生成带来的免费午餐

基于摘要分析。CityPaint 面向城市级 3D 环境的纹理生成，利用 2D 扩散模型中的视觉先验与几何信息，在不依赖城市级 3D 训练数据的条件下生成纹理，目标是兼顾全局一致性与局部细节。其主要研究对象是城市环境纹理，而非 EEG 或 BCI。 方法机制：框架引入 top-K 相机烘焙策略，用于迭代式纹理投影；针对 2D 到 3D 投影产生的伪影，再通过解耦细化机制分别优化地形与建筑纹理。摘要未说明相机选择准则、K 的取值、投影融合方式、细化目标或具体扩散模型，因此尚不能据此判断各模块的实现细节与独立贡献。“不依赖城市级 3D 训练数据”也不等同于完全无需训练或无需其他形式的数据。 结果与证据边界：作者报告，在摘要所述实验中，CityPaint 能生成全局协调且具有精细局部细节的纹理，并在视觉质量和跨视角一致性方面相对强基线取得有利结果。但摘要未提供数据集、场景规模、基线名称、评价指标或具体数值，无法量化优势或判断适用范围。实验协议、消融及统计信息尚未验证。 复现需进一步核对输入几何的要求、相机配置、扩散模型及其训练或推理设置，以及城市级场景下的计算与显存开销。当前材料未建立其机制与 EEG/BCI 问题的具体对应关系，不据此推断跨领域有效性。