CityX: Controllable Procedural Content Generation for Unbounded 3D Cities

生成逼真、大规模的三维虚拟城市仍然是一个复杂的挑战，因为它涉及到众多的三维资产、不同的城市风格和严格的布局限制。现有的方法提供了有前途的尝试，利用Blender代理进行程序内容生成以创建大规模场景。然而，它们面临着关键问题，如难以扩展生成能力和在语义布局层面实现精细控制。为了解决这些问题，我们提出了一种新颖的多模态可控程序内容生成方法，名为CityX，它通过多个布局条件，包括OSM、语义地图和卫星图像，增强了逼真、无限制的三维城市生成。具体而言，所提出的方法包含了一个通用的协议，用于集成各种PCG插件，以及一个多代理框架，用于将指令转化为可执行的Blender动作。通过这个有效的框架，CityX展示了在生成的资产质量和工业需求之间搭建创新生态系统的潜力。广泛的实验已经证明了我们的方法在创建高质量、多样化和无限制城市方面的有效性。我们的项目页面：https://cityx-lab.github.io。

论文旨在解决生成大规模3D虚拟城市的挑战，包括多个3D资源、不同的城市风格和严格的布局约束等问题。

提出一种名为CityX的多模态可控程序内容生成方法，通过集成多个PCG插件和多智能体框架将指令转化为可执行的Blender操作，以实现生成高质量、多样化、无限制的城市场景。

论文采用了OSM、语义地图和卫星图像等多模态条件来指导城市生成，实验结果表明CityX在创建高质量、多样化、无限制的城市场景方面具有有效性。论文还提供了开源代码和项目页面。

近期的相关研究包括使用深度学习技术生成3D城市模型的方法、基于深度学习的语义场景重建方法等。