数字孪生建筑：利用高斯点扩散、ChatGPT/DeepSeek和Google地图平台进行3D建模、GIS集成和视觉描述
Digital Twin Buildings: 3D Modeling, GIS Integration, and Visual Descriptions Using Gaussian Splatting, ChatGPT/Deepseek, and Google Maps Platform
AI总结：
本文提出了一种基于高斯点扩散、ChatGPT和Google地图平台的数字孪生建筑框架，用于实现建筑的3D建模、GIS集成和视觉描述。
摘要：
城市数字孪生是使用多源数据和数据分析来优化城市规划、基础设施管理和决策制定的虚拟城市复制品。为此，我们提出了一种专注于单栋建筑规模的框架。通过连接到Google地图平台API等云制图平台，利用最先进的多智能体大型语言模型数据分析（使用ChatGPT(4o)和Deepseek-V3/R1），并利用我们基于高斯点扩散的网格提取管道，我们的数字孪生建筑框架可以检索建筑的3D模型、视觉描述，并通过建筑的地址、邮政编码或地理坐标实现基于云的制图集成，使用基于大型语言模型的数据分析。
英文摘要：
Urban digital twins are virtual replicas of cities that use multi-source data and data analytics to optimize urban planning, infrastructure management, and decision-making. Towards this, we propose a framework focused on the single-building scale. By connecting to cloud mapping platforms such as Google Map Platforms APIs, by leveraging state-of-the-art multi-agent Large Language Models data analysis using ChatGPT(4o) and Deepseek-V3/R1, and by using our Gaussian Splatting-based mesh extraction pipeline, our Digital Twin Buildings framework can retrieve a building's 3D model, visual descriptions, and achieve cloud-based mapping integration with large language model-based data analytics using a building's address, postal code, or geographic coordinates.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
