Fugu-MT 論文翻訳(概要): COHO: Context-Sensitive City-Scale Hierarchical Urban Layout Generation

論文の概要: COHO: Context-Sensitive City-Scale Hierarchical Urban Layout Generation

arxiv url: http://arxiv.org/abs/2407.11294v1
Date: Tue, 16 Jul 2024 00:49:53 GMT
ステータス: 処理完了
システム内更新日: 2024-07-17 18:52:01.270895
Title: COHO: Context-Sensitive City-Scale Hierarchical Urban Layout Generation
Title（参考訳）: COHO: 環境に敏感な都市規模の階層的都市レイアウト生成
Authors: Liu He, Daniel Aliaga,
Abstract要約: 都市規模の都市レイアウト生成のための新しいグラフベースのマスク付きオートエンコーダ(GMAE)を提案する。この方法は、属性付き建物、都市ブロック、コミュニティ、都市を統一的なグラフ構造に符号化する。提案手法は,米国330都市における異質な都市スタイルにおける良好な現実性,意味的整合性,正当性を実現する。
参考スコア（独自算出の注目度）: 1.5745692520785073
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The generation of large-scale urban layouts has garnered substantial interest across various disciplines. Prior methods have utilized procedural generation requiring manual rule coding or deep learning needing abundant data. However, prior approaches have not considered the context-sensitive nature of urban layout generation. Our approach addresses this gap by leveraging a canonical graph representation for the entire city, which facilitates scalability and captures the multi-layer semantics inherent in urban layouts. We introduce a novel graph-based masked autoencoder (GMAE) for city-scale urban layout generation. The method encodes attributed buildings, city blocks, communities and cities into a unified graph structure, enabling self-supervised masked training for graph autoencoder. Additionally, we employ scheduled iterative sampling for 2.5D layout generation, prioritizing the generation of important city blocks and buildings. Our approach achieves good realism, semantic consistency, and correctness across the heterogeneous urban styles in 330 US cities. Codes and datasets are released at https://github.com/Arking1995/COHO.
Abstract（参考訳）: 大規模な都市レイアウトの生成は、様々な分野において大きな関心を集めてきた。従来の手法では、手動のルールコーディングや豊富なデータを必要とするディープラーニングを必要とする手続き生成が利用されていた。しかし、従来の手法では、都市レイアウト生成の文脈に敏感な性質は考慮されていない。提案手法は, 都市全体の標準グラフ表現を活用することで, 拡張性を高め, 都市レイアウトに固有の多層セマンティクスを捉えることで, このギャップに対処する。都市規模の都市レイアウト生成のための新しいグラフベースのマスク付きオートエンコーダ(GMAE)を提案する。この手法は、属性付き建物、都市ブロック、コミュニティ、都市を統一的なグラフ構造に符号化し、グラフオートエンコーダのための自己教師付きマスクトレーニングを可能にする。さらに,重要な都市ブロックや建物の発生を優先し,2.5次元レイアウト生成のための定期的な反復サンプリングも実施している。提案手法は,米国330都市における異質な都市スタイルにおける良好な現実性,意味的整合性,正当性を実現する。コードとデータセットはhttps://github.com/Arking 1995/COHOで公開されている。

関連論文リスト

CityX: Controllable Procedural Content Generation for Unbounded 3D Cities [55.737060358043536]
そこで我々は,CityXという新しいマルチモーダル制御可能な手続き型コンテンツ生成手法を提案する。 OSM、セマンティックマップ、衛星画像など、複数のレイアウト条件でガイドされるリアルで無拘束の3D都市生成を強化する。この効果的なフレームワークを通じて、CityXは3Dシーン生成のための革新的なエコシステムを構築する可能性を示している。
論文参考訳（メタデータ） (2024-07-24T18:05:13Z)
Streetscapes: Large-scale Consistent Street View Generation Using Autoregressive Video Diffusion [61.929653153389964]
そこで本研究では,街並みを連続的に合成した街並みの景観を再現する手法を提案する。我々の手法は、視覚的品質と一貫性を維持しつつ、複数の都市ブロックにまたがる、はるかに長い範囲のカメラ軌道にスケールすることができる。
論文参考訳（メタデータ） (2024-07-18T17:56:30Z)
CityCraft: A Real Crafter for 3D City Generation [25.7885801163556]
CityCraftは、都市シーン生成の多様性と品質の両方を強化するために設計された革新的なフレームワークである。提案手法は,まず拡散変圧器(DiT)モデルを用いて,多種かつ制御可能な2次元都市レイアウトを生成する。生成したレイアウトと都市計画に基づいて,Blenderとアセット検索モジュールを用いて,正確なアセット配置とシーン構築を行う。
論文参考訳（メタデータ） (2024-06-07T14:49:00Z)
Urban Architect: Steerable 3D Urban Scene Generation with Layout Prior [43.14168074750301]
合成3Dレイアウト表現をテキストから3Dのパラダイムに導入し、さらに先行として機能する。単純な幾何学的構造と明示的な配置関係を持つ意味的プリミティブの集合から構成される。また,様々なシーン編集デモを行い,ステアブルな都市景観生成の力を示す。
論文参考訳（メタデータ） (2024-04-10T06:41:30Z)
Urban Scene Diffusion through Semantic Occupancy Map [49.20779809250597]
UrbanDiffusionは、Bird's-Eye View (BEV)マップに条件付き3次元拡散モデルである。我々のモデルは,潜在空間内のシーンレベルの構造の分布を学習する。実世界の運転データセットをトレーニングした後、我々のモデルは多様な都市シーンを生成することができる。
論文参考訳（メタデータ） (2024-03-18T11:54:35Z)
CityGen: Infinite and Controllable 3D City Layout Generation [26.1563802843242]
CityGenは、無限で多様性があり、制御可能な3D都市レイアウト生成のための新しいエンドツーエンドフレームワークである。 CityGenは、FIDおよびKIDの下での最先端のSOTA(State-of-the-art)のパフォーマンスを達成し、無限に制御可能な3D都市レイアウトを生成する。
論文参考訳（メタデータ） (2023-12-03T21:16:37Z)
GlobalMapper: Arbitrary-Shaped Urban Layout Generation [1.5076964620370268]
建物のレイアウトは、道路のネットワークによって定義される都市ブロック内の建物のセットで構成されています。本稿では,グラフアテンションネットワークを用いたレイアウト生成のための完全自動手法を提案する。ユーザスタディを含む本研究の結果は,従来のレイアウト生成ネットワークと比較して優れた性能を示した。
論文参考訳（メタデータ） (2023-07-19T00:36:05Z)
UrbanBIS: a Large-scale Benchmark for Fine-grained Urban Building Instance Segmentation [50.52615875873055]
都市BISは6つの実際の都市のシーンで構成され、25億点があり、面積は10.78平方キロメートルである。 UrbanBISは、建物、車両、植生、道路、橋など、豊富な都市オブジェクトに意味レベルのアノテーションを提供する。 UrbanBISは、きめ細かいサブカテゴリを導入した最初の3Dデータセットである。
論文参考訳（メタデータ） (2023-05-04T08:01:38Z)
A Contextual Master-Slave Framework on Urban Region Graph for Urban Village Detection [68.84486900183853]
都市域を階層的にモデル化する都市域グラフ(URG)を構築した。そこで我々は,都市部をURGから効果的に検出する新しいコンテキスト・マスタ・スレーブ・フレームワークを設計した。提案手法は,都市部における紫外線検出の一般性と特異性のバランスをとることができる。
論文参考訳（メタデータ） (2022-11-26T18:17:39Z)
Effective Urban Region Representation Learning Using Heterogeneous Urban Graph Attention Network (HUGAT) [0.0]
都市域の表現を学習するためのヘテロジニアスな都市グラフアテンションネットワーク(HUGAT)を提案する。ニューヨークのデータに関する我々の実験では、HUGATは最先端のすべてのモデルより優れています。
論文参考訳（メタデータ） (2022-02-18T04:59:20Z)
Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文参考訳（メタデータ） (2021-04-30T12:47:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。