NeRFに基づく手法による3D都市生成は有望な生成結果を示しているものの、計算上の非効率性が課題となっている。近年、3Dガウススプラッティング（3D-GS）がオブジェクトレベルの3D生成において極めて効率的な代替手段として注目されている。しかし、有限スケールの3Dオブジェクトや人物から無限スケールの3D都市への3D-GSの適応は容易ではない。無限スケールの3D都市生成は、点群を数十億単位まで拡張する必要があるため、大規模なメモリ使用量（メモリオーバーヘッド）を伴い、10km²に及ぶ都市シーンを扱う場合、数百GBものVRAMを要する場合がある。本論文では、単一のフォワードパスで無限スケールの3D都市を効率的に合成できる生成型ガウススプラッティングフレームワーク「GaussianCity」を提案する。本研究の主な洞察は以下の2点である：1）コンパクトな3Dシーン表現：我々は、非常にコンパクトな中間表現として「BEV-Point」を導入し、無限スケールのシーンにおいてもVRAM使用量の増加が一定に保たれることを保証することで、無限スケールの都市生成を可能にした。2）空間認識型ガウス属性デコーダ：空間情報を意識したBEV-Pointデコーダを提案し、Point Serializerを用いてBEV点の構造的・文脈的特徴を統合することで、高品質な3Dガウス属性を生成した。広範な実験により、GaussianCityがドローン視点およびストリートビューにおける3D都市生成において、最先端の性能を達成することが実証された。特に、CityDreamerと比較して、60倍の高速化（10.72 FPS 対 0.18 FPS）を実現し、顕著な性能向上を示した。