[论文解读] City Street Layout Generation via Conditional Adversarial Learning

Lehao Yang, Zhu, Cui+1 more|arXiv (Cornell University)|May 14, 2023

Video Surveillance and Tracking Methods被引用 4

一句话总结

本文提出一种条件对抗生成模型，通过融合自然（高程）和经济社会（人口密度、土地利用）数据，利用自编码器生成逼真的城市街道路线图及对应的矢量图。该方法生成的街道路线图具有多样性且结构准确，能反映输入条件，并匹配真实世界的连通性和密度指标。

ABSTRACT

The demand for high-quality city street layouts has persisted for an extended period presenting notable challenges. Conventional methods are yet to effectively address the integration of both natural and socioeconomic factors in this complex task. In this study, we propose a novel conditional adversarial learning-based method for city street layout generation from natural and socioeconomic conditions. Specifically, we design an image synthesis module that leverages an autoencoder to fuse a set of natural and socioeconomic data for a given region of interest into a feature map, and then employs a conditional generative adversarial network trained on real-world data to synthesize street layout images from the feature map. Afterward, a graph extraction module converts each synthesized image to the corresponding high-quality street layout graph. Experiments and evaluations suggest that the proposed method produces diverse city street layouts that closely resemble their real-world counterparts both visually and structurally. This capability can facilitate the creation of high-quality virtual city scenes.

研究动机与目标

• 填补现有深度生成模型在城市街道路线设计中未能有效整合自然与经济社会因素的空白。
• 开发一个端到端框架，基于真实地理与人口统计数据生成视觉与结构上合理的街道路线图。
• 实现自动化、低用户干预的多样化街道路线图生成，适用于城市规划与虚拟环境构建。
• 确保生成的街道路线图反映输入条件，如人口密度、土地利用，同时保持真实世界般的连通性与街道密度。

提出的方法

• 使用自编码器将高程、人口密度和土地利用的栅格化输入编码为紧凑的特征图。
• 在真实世界街道路线图数据上训练条件生成对抗网络（cGAN），基于编码后的特征图生成图像级街道路线图。
• 应用后处理提取模块，将合成的栅格化街道路线图转换为拓扑准确的街道路线图图（节点为交叉口，边为街道路段）。
• 通过在不同网络深度应用Dropout层控制输出可变性，实现在生成图中结构或纹理上的多样性。
• 利用ArcGIS CityEngine将生成的街道路线图图转换为3D虚拟城市环境，以进行验证与可视化。
• 使用对抗损失与感知损失训练cGAN，确保高保真图像合成，使生成结果在连通性、密度与空间分布上匹配真实世界模式。

实验结果

研究问题

• RQ1 当基于自然与经济社会数据进行条件控制时，深度生成模型能否合成在视觉与结构上与真实世界城市街道路网相似的街道路线图？
• RQ2 该模型在生成街道路线图中，能在多大程度上保持连通性指数、交叉口密度与街道长度等关键城市指标？
• RQ3 该模型在多大程度上能有效反映输入条件（如人口密度与土地利用分布）在生成街道路线图中的体现？
• RQ4 通过架构修改（如Dropout位置调整）能否实现可控可变性的多样化但合理的街道路线图生成？
• RQ5 生成的街道路线图在多大程度上支持实际应用，如3D城市虚拟环境构建？

主要发现

• 合成的街道路线图表现出高度的结构保真度，连通性指数与交叉口密度与真实世界样本高度一致，表明具有强大的拓扑真实性。
• 该模型生成的街道路线图具有与真实世界相当或略高的街道密度与度量可达性，表明具备良好的交通可达性。
• 该方法成功反映了输入条件：低人口密度区域（如公园）表现出稀疏的街道路网，而住宅与商业区则呈现更密集、更连通的布局。
• 通过在不同网络阶段应用Dropout层实现可控可变性，可在输出中实现结构（高层）与纹理（低层）的多样性，6个模块中95%的Dropout可导致明显的结构变化。
• 部分生成的街道路线图缺少关键连通特征（如跨河流或水体的桥梁），导致出现断开的组件，降低了连通性指数与交通效率。
• 生成的街道路线图图成功用于在ArcGIS CityEngine中创建逼真的3D虚拟城市环境，验证了该方法在城市建模中的实际应用价值。