Dieser Datensatz stammt aus dem PapierCityDreamer: Kompositionelles generatives Modell unbegrenzter 3D-Städte„Die erstellten Datensätze umfassen OSM-Datensätze und Google Earth-Datensätze, und die Ergebnisse wurden in CVPR 2024 aufgenommen.

1. OSM-Datensatz

Der Datensatz stammt von OpenStreetMap (OSM). Enthält gerasterte semantische Karten und Höhenfelder für 80 Städte, die eine Fläche von mehr als 6.000 Quadratkilometern abdecken. Während des Rasterungsprozesses werden Vektorgeometrieinformationen mithilfe des Koordinatensystems EPSG:3857 in ein Bild umgewandelt und auf Stufe 18 gezoomt, ungefähr 0,597 Meter pro Pixel.

Die semantische Karte verwendet unterschiedliche Farben, um Elemente an verschiedenen Standorten darzustellen, beispielsweise Rot für Straßen, Gelb für Gebäude, Grün für Grünflächen, Cyan für Baustellen und Blau für Wasserflächen. Das Höhenfeld stellt hauptsächlich die Höhe von Gebäuden dar. Die Straßenhöhe ist auf 4 eingestellt, die Wasserhöhe auf 0 und die Baumhöhe wird zufällig zwischen 8 und 16 ausgewählt.

2. Google Earth-Datensatz

Der Datensatz wurde von Google Earth Studio gesammelt, insbesondere aus den Gebieten Manhattan und Brooklyn in New York City. Es enthält 400 Titel, jeder Titel enthält 60 Bilder und insgesamt 24.000 echte Stadtbilder. Der Radius der Gleise variierte zwischen 125 und 813 Metern, die Höhe zwischen 112 und 884 Metern. Google Earth Studio stellt die intrinsischen und extrinsischen Parameter der Kamera bereit und ermöglicht so die automatische Generierung von Anmerkungen für die semantische und Gebäudeinstanzsegmentierung. Einzelne Gebäudeinstanzen werden durch Erkennen verbundener Komponenten in einem semantischen Graphen identifiziert und Anmerkungen werden generiert, indem der Stadtgrundriss mithilfe von Kameraparametern auf das Bild projiziert wird.

Konsistenz mehrerer Ansichten: Dieser Datensatz enthält reale Stadtbilder aus verschiedenen Blickwinkeln, was die Fähigkeit neuronaler Netzwerke verbessert, Städte aus verschiedenen Blickwinkeln zu generieren.