WeatherCity：基于可控多天气变换的城市场景重建
计算机视觉与模式识别
2026-05-28 v2
摘要
可编辑的高保真 4D 场景对于自动驾驶至关重要，可用于端到端训练和闭环仿真。然而，现有重建方法主要局限于复制观察到的场景，缺乏多样化天气模拟的能力。而图像级天气编辑方法倾向于引入场景伪影，且对天气效果的可控性较差。为此，我们提出了 WeatherCity：一个用于 4D 城市场景重建与天气编辑的新型框架。具体而言，我们利用文本引导的图像编辑模型实现对图像天气背景的灵活编辑。为解决多天气建模难题，我们引入基于共享场景特征和专用天气特定解码器的新型天气高斯表示。该表示通过内容一致性优化得以增强，确保在不同天气条件下进行连贯建模。此外，我们设计了一个受物理驱动的模型，通过粒子和运动模式模拟动态天气效应。在多个数据集和各种场景上的大量实验表明，WeatherCity 在 4D 重建和天气编辑方面实现了灵活的可控性、高保真度和时间一致性。我们的框架不仅 enables 对天气条件（如轻雨和大雪）实现细粒度控制，还支持场景内的对象级操作。代码已发布于 https://github.com/IRMVLab/WeatherCity。
引用
@article{arxiv.2602.22096,
title = {WeatherCity: Urban Scene Reconstruction with Controllable Multi-Weather Transformation},
author = {Wenhua Wu and Huai Guan and Zhe Liu and Hesheng Wang},
journal= {arXiv preprint arXiv:2602.22096},
year = {2026}
}