AstraLOD3: Zero-shot multimodal agentic reconstruction of LOD3 building models

📄 arXiv: 2609.28061v1 📥 PDF

作者: Bryan G. Pantoja-Rosero

分类: cs.CV

发布日期: 2026-09-23

💡 一句话要点

提出AstraLOD3以解决LOD3建筑模型重建的灵活性问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多模态基础模型 建筑模型重建 零-shot学习 灵活性 受限自主框架

📋 核心要点

  1. 现有的LOD3建筑建模方法通常依赖于专门设计的几何或学习管道，缺乏在不同建筑和输入条件下的灵活性。
  2. 本研究提出AstraLOD3，利用多模态基础模型Astra，通过零-shot重建实现LOD3建筑模型的灵活生成。
  3. 实验结果显示，AstraLOD3在35次实验中取得了0.9647的平均FRDS，几何一致性与传统方法相当，展示了其有效性。

📝 摘要（中文）

自动化的LOD3建筑建模通常依赖于专门设计的几何或学习基础管道，这限制了其在异构建筑和输入证据条件下的灵活性。本研究探讨了通用多模态基础模型Astra是否能够通过零-shot重建在受限自主框架下的LOD3建筑模型。AstraLOD3结合了多视角图像、标定相机和过滤的稀疏SfM点云，以及自然语言重建规范，Astra代理动态选择并执行使用Python和Blender的计算程序。在35次实验中，包括24个基准建筑，AstraLOD3达到了0.9647的平均FRDS，几何一致性与以往专用方法相当。控制性消融实验进一步揭示了重建指导、证据模态、模型配置和运行间变异性的影响。结果表明，结构化的LOD3重建可以被视为一种受限的代理过程，而不是固定的管道。

🔬 方法详解

问题定义：本论文旨在解决现有LOD3建筑模型重建方法在灵活性和适应性方面的不足，尤其是在面对异构建筑和多样化输入证据时的局限性。

核心思路：论文提出的AstraLOD3利用通用多模态基础模型Astra，通过零-shot学习实现建筑模型的重建，允许在受限自主框架下动态选择和执行计算程序。

技术框架：AstraLOD3的整体架构包括多个模块：首先，结合多视角图像和标定相机获取输入数据；其次，利用过滤的稀疏SfM点云进行初步重建；最后，通过自然语言重建规范指导重建过程。

关键创新：AstraLOD3的主要创新在于将结构化的LOD3重建视为一种受限的代理过程，而非固定的管道，这种方法提高了重建的灵活性和适应性。

关键设计：在设计中，Astra代理使用Python和Blender进行动态计算，重建指导和证据模态的选择对最终结果有显著影响，实验中还考虑了模型配置和运行间变异性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

AstraLOD3在35次实验中取得了0.9647的平均FRDS，几何一致性与传统专用方法相当，展示了其在LOD3建筑模型重建中的有效性和灵活性。消融实验揭示了重建指导和证据模态对结果的显著影响，为未来的研究提供了重要的方向。

🎯 应用场景

该研究的潜在应用领域包括建筑设计、城市规划和文化遗产保护等。通过提高LOD3建筑模型的重建灵活性，AstraLOD3可以帮助设计师和工程师更高效地生成和修改建筑模型，适应不同的项目需求。此外，未来的研究可以进一步探索用户引导的修正和任务特定的专业化。

📄 摘要（原文）

Automated LOD3 building modeling typically relies on purpose-built geometric or learning-based pipelines, limiting flexibility across heterogeneous buildings and input evidence conditions. This study investigates whether Astra, a general-purpose multimodal foundation model, can address these limitations through zero-shot reconstruction of LOD3 building models within an agentic framework under bounded autonomy. AstraLOD3 combines multi-view images, calibrated cameras, and a filtered sparse SfM point cloud with a natural-language reconstruction specification, while the Astra agent dynamically selects and executes computational procedures using Python and Blender. Across 35 runs, including 24 benchmark buildings, AstraLOD3 achieved a mean FRDS of 0.9647 and geometric agreement comparable to that of previous purpose-built methods. Controlled ablations further revealed the effects of reconstruction guidance, evidence modalities, model configuration, and run-to-run variability. The results demonstrate that structured LOD3 reconstruction can be formulated as a constrained agentic process rather than as a fixed pipeline. Future work will investigate adaptive refinement, user-guided correction, task-specific specialization, and damage-aware reconstruction.