为探索以数据驱动的居住社区规划方法，解决现有数据不足的问题和促进智能城市的发展，在多个数据格式中推出了首个最大的开源数据集ReCo Dataset，包含40,000个及居住社区总布局平面图，并通过两个基于GAN的生成模型，验证了该数据集在自动居住社区规划方面的实用性。

Jun, 2022

利用图注意力网络的自动建筑布局生成方法，支持任意道路网络，生成逼真的城市布局，并基于学习先验条件生成，相较先前的布局生成网络表现出卓越性能，为28个大城市生成不同建筑形状的布局。

Jul, 2023

基于收集的数据集，本文提出了一种名为AETree的树状自动编码器神经网络，用于城市生成。该模型利用空间几何距离测量建筑布局的相似性，通过构建二叉树来提取和合并空间信息，最终实现了2D和3D城市生成。此外，AETree学到的潜在特征可用于城市规划应用。

Sep, 2023

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

这篇论文提出了一种集成计算机视觉和生成式人工智能（genAI）的新方法，通过先进的图像分割和扩散模型的协同作用，实现了城市设计的全面方法。我们的研究方法涵盖了详细图像分割的OneFormer模型和通过ControlNet实现的文本描述生成图像的稳定扩散XL（SDXL）扩散模型。早期测试表明，UrbanGenAI不仅提升了城市景观重建的技术前沿，也在设计教学和社区参与的城市规划方面提供了显著的益处。UrbanGenAI的持续发展旨在对其在更广泛的背景下的有效性进行进一步验证，并集成实时反馈机制和三维建模能力等附加功能。

Jan, 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

CityCraft是一种创新框架，结合了三个关键阶段来增强城市场景的多样性和质量，它包括使用扩散变压器模型生成2D城市布局，利用大型语言模型根据用户提示和语言指南制定土地利用规划，以及通过资产检索模块和Blender进行精确的资产放置和场景构建。CityCraft在生成逼真的3D城市方面取得了最先进的性能。

Jun, 2024

利用图表示整个城市的新型图形遮罩自编码器 (GMAE) 的方法，实现了城市规模的城市布局生成。

Jul, 2024

UrbanWorld通过自动生成的方式，创建了一个定制化、逼真且交互的3D城市环境，使得人工智能代理能够在这些仿真环境中像人类一样感知、决策和交互，进而用于评估和提升人工智能在逼真城市环境中的能力。

Jul, 2024

该研究解决了志愿地理信息（VGI）中城市建筑数据质量不均的问题，通过多源地理数据转化方案生成建筑轮廓数据。提出的ControlCity方法基于多模态扩散模型，利用文本-图像模型与改进的ControlNet整合数据，成功模拟真实城市建筑模式，展现了显著的准确性提升。

Sep, 2024