摘要
三维城市生成是一项既具有吸引力又极具挑战性的任务，因为人类对城市环境中结构失真尤为敏感。此外，与三维自然场景相比，三维城市生成的复杂性更高：在自然场景中，树木等同类物体的外观相对一致，而建筑物作为同一类对象，其外观差异却更为显著。为应对这些挑战，我们提出了一种专为无界三维城市设计的组合式生成模型——CityDreamer。我们的核心思想是，三维城市生成应被建模为多种神经场的组合：1）各类建筑实例，以及2）背景元素（如道路、绿地等）。具体而言，我们采用鸟瞰视角（bird’s eye view）的场景表示方法，并对面向实例的神经场与面向背景元素的神经场均采用体素渲染（volumetric rendering）技术。针对建筑实例与背景元素的不同特性，我们定制了生成式哈希网格（generative hash grid）与周期性位置编码（periodic positional embedding）作为场景参数化方式。此外，我们构建了一套名为CityGen的综合数据集，涵盖OSM与Google Earth等来源，包含大量真实世界的城市图像数据，显著提升了生成三维城市在布局与外观上的真实感。实验结果表明，CityDreamer不仅在生成逼真三维城市方面达到当前最优性能，还能实现对生成城市中局部区域的高效编辑。