RoBus：用于可控道路网络和建筑布局生成的多模态数据集
计算机视觉与模式识别
2024-07-11 v1 人工智能
摘要
自动化 3D 城市生成，专注于道路网络和建筑布局，是应用于城市设计、多媒体游戏和自动驾驶仿真的热门需求。生成式 AI 的兴起促进了基于深度学习模型设计城市布局的能力。然而，缺乏高质量的数据集和基准测试阻碍了这些数据驱动方法在生成道路网络和建筑布局方面的进展。此外，鲜有研究考虑到城市特征，这些特征通常以图形作为分析对象，对实际应用至关重要，以控制生成过程。为此，我们引入了一个多模态数据集，配有随附的评估指标，用于可控生成道路网络和建筑布局 (RoBus)，这是迄今为止规模最大、首个开源城市生成数据集。RoBus 数据集以图像、图形和文本格式呈现，包含约 个配对样本，覆盖约 的全球区域。我们对 RoBus 数据集进行统计分析，并验证了其有效性可用于现有的道路网络和建筑布局生成方法。此外，我们设计了新的基线方法，在生成道路网络和建筑布局过程中融合城市特征，如道路取向和建筑密度，增强了自动化城市设计的实用性。RoBus 数据集及相关代码已发布于 https://github.com/tourlics/RoBus_Dataset。
引用
@article{arxiv.2407.07835,
title = {RoBus: A Multimodal Dataset for Controllable Road Networks and Building Layouts Generation},
author = {Tao Li and Ruihang Li and Huangnan Zheng and Shanding Ye and Shijian Li and Zhijie Pan},
journal= {arXiv preprint arXiv:2407.07835},
year = {2024}
}