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

提出了 CityDreamer，一种针对无限制 3D 城市的组合生成模型，通过将建筑实例的生成与其他背景对象（如道路、绿地和水域）分离为不同模块来解决生成 3D 城市时面临的挑战，并构建了 OSM 和 GoogleEarth 两个数据集以增强所生成的 3D 城市的布局和外观的真实性，通过广泛的实验证明了 CityDreamer 在生成各种逼真的 3D 城市方面的优越性。

Sep, 2023

GANcraft 是一种用于生成 Minecraft 等大型三维方块世界的逼真图像的非监督神经渲染框架，该方法采用语义块世界作为输入，并通过伪标签和对抗训练技术进行训练，不需要实际图像作为训练集，从而实现了视角一致的逼真图像渲染，以及用户对场景语义和样式的控制。

Apr, 2021

SceneCraft 是一个大型语言模型（LLM）代理，将文本描述转化为 Blender 可执行的 Python 脚本，用于渲染多达 100 个 3D 元素的复杂场景。通过高级抽象、战略规划和库学习的组合，SceneCraft 成功处理了空间规划和布局的挑战。

Mar, 2024

我们构建了一个大规模、全面且高质量的城市规模神经渲染研究的合成数据集 MatrixCity，包含了来自两个城市地图的 67,000 张航拍图像和 452,000 张街道图像，通过 Unreal Engine 5 City Sample 项目收集，可用于城市规模神经渲染和其他任务的研究。

Sep, 2023

本文介绍了一种从自由形式文本提示中生成功能性 3D 物品的方法，该方法使用量化的神经辐射场（NeRFs）来表示这些物品，以在游戏中与给定文本描述相匹配。

Apr, 2024

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

通过集成先进的信息、通信和计算技术对现代城市进行数字化转型，标志着数据驱动的智能城市应用迈入了一个新时代，以实现高效和可持续的城市管理。本综述旨在探讨生成式人工智能技术与城市数字孪生的创新整合，以解决智慧城市领域中的挑战，如交通与流动性管理、能源系统运营、建筑和基础设施管理以及城市设计。综述从介绍热门生成式人工智能模型及其应用领域开始，然后系统回顾现有的利用生成式人工智能技术自治能力促进城市监测和预测分析的城市科学应用，包括数据增强、合成数据和场景生成、自动化 3D 城市建模以及生成式城市设计和优化。在回顾的基础上，本综述讨论了将生成式人工智能模型融入下一代城市数字孪生中以实现更可靠、可扩展和自动化管理智慧城市的潜在机会和技术策略。

May, 2024

该综述评估了使用深度生成模型（DGM）生成三维物体的最新方法，重点关注于建筑形式的虚拟环境中生成建筑的可能性，从离散光子生成、2D 图像生成 3D 模型到条件参数生成等等，同时指出了生成 3D 形状和参数化控制中未被探索的问题，其中数据限制、可编辑性、评估指标和人机交互四个研究方向对于计算机辅助设计中的充分互动至关重要。

Apr, 2023

该研究介绍了一种名为 CRAFT 的模型，可以通过视频字幕数据学习空间，视觉和语义世界知识，预测提及实体的时间布局，从视频数据库中检索时空实体帧段并融合它们来生成视频。CRAFT 的关键贡献包括组件的连续训练，合并布局和外观的共同建模，以及鼓励学习检索构成表示的损失。该模型在语义一致性、构成一致性和视觉质量上均表现出色。

Apr, 2018