論文の概要: WildCity: A Real-World City-Scale Testbed for Rendering, Simulation, and Spatial Intelligence

• arxiv url: http://arxiv.org/abs/2607.06838v1
• Date: Tue, 07 Jul 2026 22:19:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.231873
• Title: WildCity: A Real-World City-Scale Testbed for Rendering, Simulation, and Spatial Intelligence
• Title（参考訳）: WildCity: レンダリング、シミュレーション、空間知のための実世界の都市規模のテストベッド
• Abstract要約: 複雑な都市環境を横断する自律艦隊によって収集された実世界のマルチモーダルデータセットであるWildCityを紹介した。 我々のデータセットには18の軌道が含まれており、それぞれ平均83.7kmの長さであり、電界における知覚のコア課題を保存している。 シミュレーション可能な都市デジタル双生児への道の鍵となる課題を系統的に分析する。
• 参考スコア（独自算出の注目度）: 31.53753201666142
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humans can navigate an unfamiliar city and gradually form a coherent spatial mental map spanning tens of square kilometers. Can AI build spatial representations at a comparable scale? Although recent foundation models have advanced scene reconstruction and embodied intelligence, scaling to entire cities remains an open challenge, primarily due to the lack of city-scale data. To bridge the gap, we introduce WildCity, a real-world multimodal dataset collected by autonomous fleets traversing complex urban environments. Our dataset includes 18 trajectories, each averaging 83.7 kilometers in length, and preserves the core challenges of in-the-wild perception, e.g., dynamic objects, lighting variations, and imperfect camera poses. We further establish an urban-tailored reconstruction baseline and convert the reconstructed environments into a closed-loop simulator. Beyond the dataset and baseline, we systematically analyze the key challenges on the path to simulation-ready urban digital twins: scalability, extrapolation, and uncertainty. Ultimately, WildCity aims to catalyze progress not only in city-scale rendering, but more broadly in the pursuit of AI that can perceive, remember, and reason across space at a scale comparable to human cognition. Project page: https://han-xiangyu.github.io/Wild-City/
• Abstract（参考訳）: 人間は馴染みの無い都市をナビゲートし、数十平方キロメートルに及ぶコヒーレントな空間的メンタルマップを徐々に形成することができる。 AIは、同じ規模で空間表現を構築できるのか? 最近のファウンデーションモデルは、高度なシーン再構築とインテリジェンスを具現化したものだが、都市全体へのスケーリングは、主に都市規模のデータが不足しているため、オープンな課題である。 このギャップを埋めるために、複雑な都市環境を横断する自律車両によって収集された実世界のマルチモーダルデータセットであるWildCityを紹介します。 我々のデータセットには18の軌道があり、それぞれ平均83.7kmの長さがあり、例えば、動的物体、照明のバリエーション、不完全なカメラのポーズといった、中核的な認識の課題を保存しています。 さらに,都会的な再建ベースラインを構築し,再建された環境をクローズドループシミュレータに変換する。 データセットとベースラインを超えて、我々はシミュレーション可能な都市デジタル双生児への道の鍵となる課題、すなわちスケーラビリティ、外挿、不確実性を体系的に分析する。 究極的には、WildCityは都市規模のレンダリングだけでなく、人間の認知に匹敵するスケールで空間をまたいで知覚し、記憶し、推論できるAIの追求にも、進歩を触媒することを目指している。 プロジェクトページ:https://han-xiangyu.github.io/Wild-City/

関連論文リスト

• CityRAG: Stepping Into a City via Spatially-Grounded Video Generation [61.843558834675065]
  本研究では,空間的に接地した3次元の環境を生成する映像生成モデルCityRAGを提案する。 CityRAGは、時間的に不整合なトレーニングデータに依存している。 実験により、CityRAGは、連続した数分の映像シーケンスを生成し、何千ものフレーム上で天気や照明条件を維持し、ループの閉鎖を達成し、複雑な軌跡をナビゲートし、現実世界の地理を再構築できることを示した。
  論文  参考訳（メタデータ） (2026-04-21T17:59:03Z)
• Grounding World Simulation Models in a Real-World Metropolis [80.10324496369951]
  実都市ソウルを基盤とした都市規模の世界モデルであるソウル世界モデル(SWM)を提示する。 SWMは、近くのストリートビュー画像の検索強化条件付けにより、自動回帰ビデオ生成をアンカーする。 我々は、ソウル、釜山、アン・アーバーの3都市における最近のビデオワールドモデルに対してSWMを評価した。
  論文  参考訳（メタデータ） (2026-03-16T17:46:04Z)
• TrueCity: Real and Simulated Urban Data for Cross-Domain 3D Scene Understanding [12.573182815543978]
  3Dのセマンティックなシーン理解は、3Dコンピュータビジョンコミュニティにおいて長年の課題である。 我々は,cm精度のアノテート実世界の点群,セマンティック3次元都市モデル,および同じ都市を表すアノテート模擬点群を用いた最初の都市セマンティックセマンティックセマンティクスベンチマークであるTrueCityを紹介する。
  論文  参考訳（メタデータ） (2025-11-10T11:57:50Z)
• UrbanVerse: Scaling Urban Simulation by Watching City-Tour Videos [64.22243628420799]
  クラウドソーシングされた都市間ビデオから物理を意識したインタラクティブなシミュレーションシーンに変換する,データ駆動型リアルタイムシミュレーションシステムであるUrbanVerseを紹介した。 アイザックシムで運営されているUrbanVerseは、24か国から160の高品質なシーンを提供している。 実験により、UrbanVerseのシーンは現実世界のセマンティクスとレイアウトを保存し、手作業によるシーンに匹敵する人間評価されたリアリズムを達成することが示されている。
  論文  参考訳（メタデータ） (2025-10-16T17:42:34Z)
• SceneDiffuser++: City-Scale Traffic Simulation via a Generative World Model [30.561378506172698]
  SceneDiffuser++は、都市規模でA-to-Bシミュレーションを行うことができる単一損失関数に基づいて訓練された最初のエンドツーエンド生成世界モデルである。 本研究では,SceneDiffuser++の都市交通シミュレーション能力を実証し,その長大なシミュレーション条件下での優れたリアリズムについて検討する。
  論文  参考訳（メタデータ） (2025-06-27T07:35:04Z)
• Compositional Generative Model of Unbounded 4D Cities [56.36624718397362]
  本研究では,4次元都市を創出するのに適した構成生成モデルを提案する。 CityDreamer4Dは、インスタンス編集、都市スタイル化、都市シミュレーションなど、さまざまなダウンストリームアプリケーションをサポートしている。
  論文  参考訳（メタデータ） (2025-01-15T17:59:56Z)
• CityX: Controllable Procedural Content Generation for Unbounded 3D Cities [50.10101235281943]
  現在の生成法は多様性、可制御性または忠実度に乏しい。 本研究では,高忠実度生成のための手続き的コンテンツ生成(PCG)技術を利用する。 我々は,OSM,セマンティックマップ,衛星画像などのマルチモーダル命令を実行可能なプログラムに変換するマルチエージェントフレームワークを開発した。 提案手法はCityXと呼ばれ,多種多様で制御可能でリアルな3D都市景観の創出において,その優位性を実証するものである。
  論文  参考訳（メタデータ） (2024-07-24T18:05:13Z)
• MatrixCity: A Large-scale City Dataset for City-scale Neural Rendering and Beyond [69.37319723095746]
  都市規模のニューラルレンダリング研究のための大規模で包括的で高品質な合成データセットを構築します。 本研究では,地上カメラのポーズと追加データモダリティを伴って,航空・街路ビューを容易に収集するパイプラインを構築した。 その結果得られたパイロットデータセットMatrixCityには、合計28km2$の2つの都市地図から、67kの空中画像と452kのストリート画像が含まれている。
  論文  参考訳（メタデータ） (2023-09-28T16:06:02Z)

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。