新加坡，2024年7月26日 – 南洋理工大学S-Lab团队近日推出了一款名为GaussianCity的创新3D城市生成框架，该框架基于3D高斯绘制（3D-GS）技术，旨在解决大规模城市场景生成中长期存在的显存瓶颈问题，并在生成速度和质量上实现了显著提升。这一突破性的研究成果，为游戏开发、城市规划、自动驾驶等多个领域带来了全新的可能性。
传统3D城市生成方法往往面临着显存和存储需求过高的挑战，尤其是在处理大规模场景时。GaussianCity通过引入紧凑的鸟瞰图（BEV）-Point表示方法，巧妙地将场景的显存使用量控制在恒定水平，从而有效解决了这一难题。
“我们希望能够创建一个既高效又高质量的3D城市生成框架，让开发者和研究人员能够更轻松地创建逼真的城市环境。” S-Lab团队负责人表示，“GaussianCity的BEV-Point表示方法是关键，它允许我们在不牺牲细节的情况下，显著降低显存需求。”
技术亮点：空间感知的BEV-Point解码器
GaussianCity的核心技术在于其空间感知的BEV-Point解码器。该解码器基于点序列化器和点变换器，能够捕捉BEV点的结构和上下文特征，进而生成高质量的3D高斯属性。这意味着GaussianCity不仅能够生成逼真的城市景观，还能支持风格化编辑和局部修改，为用户提供了更大的创作自由。
性能对比：速度提升60倍
根据S-Lab团队的测试结果，GaussianCity在无人机视角和街景视角的3D城市生成任务中表现出色，相比现有方法（如CityDreamer），速度提升高达60倍。这一显著的性能提升，意味着开发者可以更快地迭代设计，并更快地将创意转化为现实。
应用前景：多领域赋能
GaussianCity的应用场景十分广泛，涵盖了以下几个主要领域：
- 游戏与虚拟现实（VR）： 快速生成逼真的虚拟城市，支持实时渲染和交互，降低开发成本和时间。
- 动画与影视制作： 高效生成复杂城市场景，支持风格化渲染，提升制作效率。
- 城市规划与建筑设计： 快速生成城市布局和建筑背景，辅助规划和设计的可视化。
- 自动驾驶与交通模拟： 生成逼真的交通场景，用于算法测试和交通流量分析。
- 地理信息系统（GIS）： 将地理数据快速转换为3D可视化场景，支持城市建模和分析。
开源共享：助力行业发展
为了促进该技术的普及和应用，S-Lab团队已将GaussianCity的项目代码开源，并发布在GitHub和HuggingFace模型库上。同时，相关的技术论文也已上传至arXiv平台，供学术界参考和研究。
- GitHub仓库： https://github.com/hzxie/GaussianCity
- HuggingFace模型库： https://huggingface.co/spaces/hzxie/gaussian-city
- arXiv技术论文： https://arxiv.org/pdf/2406.06526
结论：3D城市生成的新纪元
南洋理工大学S-Lab团队推出的GaussianCity，不仅在技术上实现了突破，更在应用层面展现了巨大的潜力。它的高效性、高质量和低资源占用，将极大地推动3D城市生成技术的发展，并为各行各业带来创新机遇。我们有理由相信，GaussianCity将引领3D城市生成进入一个全新的纪元。
参考文献：
- H. Xie, et al. (2024). GaussianCity: Efficient 3D City Generation with Gaussian Splatting. arXiv preprint arXiv:2406.06526.
Views: 0