CityGen：面向跨城市自动驾驶的结构引导城市风格合成
计算机视觉与模式识别
2026-05-29 v1 人工智能
摘要
自动驾驶系统通常在有限的地理区域内进行训练和评估，这限制了其在新城市部署时的可扩展性。然而，由于外观、道路拓扑和交通模式之间的显著领域迁移，跨城市部署常常导致严重的性能下降。现有的基于域适应、数据增强或合成数据生成的已有方法通常依赖标记的目标数据、城市特定的标注或任务特定的设计，限制了其可扩展性和有效性。本文引入CityTransfer-Bench，一个用于评估跨城市泛化的地理上相互独立的基准，覆盖感知、分割和规划等任务，并提出CityGen，一个基于扩散模型的生成框架，通过HD图条件化合成实现零标签城市适应，利用城市级别的视觉提示引导。广泛的实验表明，CityGen 在多个任务上均能显著提升跨城市鲁棒性，为通用的自动驾驶奠定了可扩展且高效的基础。
引用
@article{arxiv.2605.29935,
title = {CityGen: Structure-Guided City-Style Synthesis for Cross-City Autonomous Driving},
author = {Zezhong Qian and Zhao Yang and Lu Tan and Zhihao Yan and Weiyi Hong and Haizhuang Liu and Yawei Jueluo},
journal= {arXiv preprint arXiv:2605.29935},
year = {2026}
}