RECITYGEN——基于潜在扩散和Segment Anything的交互式生成式参与式城市设计工具
计算机视觉与模式识别
2026-02-10 v1
摘要
城市设计深刻影响公共空间和社区参与。传统的自上而下方法常常忽视公众输入，导致设计愿望与现实之间存在差距。近期数字工具的发展，如城市信息建模和增强现实，已促进了更具参与性的过程，涉及更多利益相关者参与城市设计。此外，深度学习和潜在扩散模型的发展降低了设计生成的门槛，为参与式城市设计提供了更多机会。将最先进的潜在扩散模型与交互式语义分割相结合，我们提出了 RECITYGEN，这是一个新型工具，允许用户通过文本提示交互式创建城市环境的变体街景图像。在北京的一个试点项目中，用户利用 RECITYGEN 提出了对正在进行的城市更新项目的改进建议。尽管存在一些局限性，RECITYGEN 仍显示出与公众偏好高度一致的潜力，表明这正在引向更动态、更包容的城市规划方法。该项目的源代码可在 RECITYGEN GitHub 上找到。
引用
@article{arxiv.2602.07057,
title = {RECITYGEN -- Interactive and Generative Participatory Urban Design Tool with Latent Diffusion and Segment Anything},
author = {Di Mo and Mingyang Sun and Chengxiu Yin and Runjia Tian and Yanhong Wu and Liyan Xu},
journal= {arXiv preprint arXiv:2602.07057},
year = {2026}
}