COHO：面向城市规模分层城市布局生成的情境感知方法
计算机视觉与模式识别
2024-07-17 v1 图形学
摘要
大规模城市布局生成在多个学科领域引发了广泛关注。先前的方法要么利用程序化生成方法需要手动编码规则，要么采用深度学习方法需要大量数据。然而，这些方法尚未考虑城市布局生成的情境依赖性。我们的做法通过构建用于整个城市的标准化图表示来弥补这一不足，该表示既便于扩展，又能捕捉城市布局中固有的多层语义。我们引入了一种新颖的基于图的掩码自编码器 (GMAE) 用于城市规模布局生成。该方法将带属性的建筑、街区、社区和城市编码到统一的图结构中，实现对图自监督掩码训练的图自编码器。此外，我们采用计划化的迭代采样方法进行 2.5D 布局生成，优先生成重要街区和建筑。我们的做法在 330 个美国城市的异构城市风格中实现了良好的真实性、语义一致性和正确性。代码和数据集已发布于 https://github.com/Arking1995/COHO。
关键词
引用
@article{arxiv.2407.11294,
title = {COHO: Context-Sensitive City-Scale Hierarchical Urban Layout Generation},
author = {Liu He and Daniel Aliaga},
journal= {arXiv preprint arXiv:2407.11294},
year = {2024}
}
备注
Accepted by ECCV 2024