想象一座城市：面向程序化3D城市生成的CityGenAgent
计算机视觉与模式识别
2026-03-02 v2
摘要
交互式3D城市的自动生成是一项关键挑战，具有广泛的应用前景，包括自动驾驶、虚拟现实和具身智能。尽管近期生成模型和程序化技术的进展提高了城市生成的真实感，但现有方法往往在高保真资产创建、可控性和操控性方面存在困难。本文引入CityGenAgent，一个自然语言驱动的分层程序化3D城市生成框架。我们的方法将城市生成分解为两个可解释的组成部分：区块程序和建筑程序。为确保结构正确性和语义对齐，我们采用两阶段学习策略：（1）监督微调（SFT）。我们训练BlockGen和BuildingGen以生成符合模式约束的有效程序，包括非自相交多边形和完整字段；（2）强化学习（RL）。我们设计空间对齐奖励以增强空间推理能力，设计视觉一致性奖励以弥补文本描述与视觉模态之间的差距。由于程序及模型的泛化能力，CityGenAgent支持自然语言编辑和操控。全面评估表明，与现有方法相比，CityGenAgent在语义对齐、视觉质量和可控性方面均表现出优势，为可扩展的3D城市生成奠定了稳健基础。
引用
@article{arxiv.2602.05362,
title = {Imagine a City: CityGenAgent for Procedural 3D City Generation},
author = {Zishan Liu and Zecong Tang and RuoCheng Wu and Xinzhe Zheng and Jingyu Hu and Ka-Hei Hui and Haoran Xie and Bo Dai and Zhengzhe Liu},
journal= {arXiv preprint arXiv:2602.05362},
year = {2026}
}