通过引入一种组合式 3D 布局表示方法到文本转 3D 范式中的本文,克服了在大规模城市范围内扩展这一方法的局限性,并且成功地将文本转 3D 技术应用于覆盖超过 1000m 行驶距离的大尺度城市场景,同时展示了可调控城市场景生成的强大能力。
Apr, 2024
CityGen 是一种新颖的端到端框架,用于生成无限、多样且可控的三维城市布局,具有领先水平的性能,并在智慧城市、城市规划和数字模拟等领域具有广泛应用前景。
Dec, 2023
本论文提出了一种新的框架 LayoutTransformer,可以通过自注意力学习布局元素之间的上下文关系,并在给定领域中生成新的布局,并能够在多个不同数据领域中表现出色。
Jun, 2020
本文提出了一种基于深度生成学习和人类指导的深层次生成模型来解决传统城市规划中的一些局限性,通过标记实现从目标区域到分区再到网格的三级生成过程,包括感知规划需求、功能投影和多关注模型等来生成网格水平的土地利用配置。
Dec, 2022
采用深度生成学习构建基于人类指导、考虑空间层级的城市规划器,并引入生成对抗网络以解决空间层级问题。
Sep, 2022
通过层级循环网络输出结构化多段线,我们提出了一种用于在线道路网络提取的方法,并以新型可微分损失函数度量模型预测结果和真实路径的偏差。实验表明,该方法可在 90 公里的公路上正确恢复 92% 的拓扑结构。
Dec, 2020
本文提出了一种基于知识图谱的建筑线性排布模式识别方法,并在包括 1289 座建筑的数据集上进行了实验,结果显示该方法能够达到与现有方法相同的精度和召回率,同时提高了 5.98 倍的识别效率。
Apr, 2023
本文提出了一种新的生成模型用于布局生成,其分为三个步骤,通过最新的 transformer architecture 来生成布局元素和计算布局元素之间的约束关系,最后采用有约束的优化方法实现布局优化,并与现有技术进行了对比,证明了我们的方法不需要用户输入、产生更高质量的布局,以及能实现许多新颖的有条件布局生成能力。
Nov, 2020
研究通过定义基本布局元素,将图像布局映射到异质图结构,引入自我监督学习和自定义损失函数,建立在这个基础上发展了一个能够高效地压缩图像布局的自动编码网络架构,并介绍了一个全面评估布局表示学习方法的基准数据集,实验证明该方法在摄影图像布局表示学习领域具有卓越的性能。
Mar, 2024
这篇论文通过使用 CNN 和 IP 算法,从单一 RGB 图像中推断出室外建筑物的 2D 平面图结构,取得了显著的结果,并提出了可供分享的代码和数据。
Dec, 2019