Yo'City：基于自批评扩展的个人化无界3D逼真城市场景生成

逼真的3D城市生成是虚拟现实和数字孪生等众多应用的基础。然而，现有大多数方法依赖训练单个扩散模型，限制了其生成个性化和无限扩展城市规模场景的能力。本文提出了Yo'City，一种新型代理框架，利用面向大模型的推理和组合能力，实现用户定制化且可无限扩展的3D城市生成。具体而言，Yo'City首先通过自上而下的规划策略将城市概念化为分层的“城市-区域-网格”结构。全局规划器确定整体布局和潜在功能区域，而本地设计器进一步以详细的网格级描述细化每个区域。随后，通过“产生-精炼-评估”等腰椎镜像合成循环实现网格级3D生成，然后进行图像到3D的生成。为模拟城市的连续演化，Yo'City进一步引入用户交互式、关系引导的扩展机制，通过场景图基的距离和语义感知的布局优化，确保城市空间的连贯增长。为全面评估本方法，我们构建了多样化的基准数据集，并设计了六维度的评估指标，从语义、几何、纹理和布局四个方面评估生成质量。广泛的实验表明，Yo'City在所有评估维度上均显著优于现有最先进的方法。