GaussianCity は、南洋理工大学 S-Lab によって提案された効率的なボーダレス 3D 都市生成フレームワークです。これは、3D ガウス スプラッタリング (3D-GS) とコンパクトな BEV ポイント表現に基づいています。 CityDreamer と比較して 60 倍高速で、一定のメモリ消費があり、ドローンやストリート ビューの観点から都市シーンの生成をサポートします。

GaussianCity の 3D 都市生成フレームワーク

コアパラメータと統計

プロジェクト	詳細
製品名	ガウシアンシティ
製品タイプ	3D 生成フレームワーク (学術研究)
納品フォーム	オープンソースコード (Python + CUDA)
コアテクノロジー	3D ガウス スプラッティング、BEV ポイント
紙面会議	CVPR 2025
GitHub スター	336名（2025年半ば現在）
開発チーム	南洋理工大学 S-Lab
オープンソースライセンス	NTU S-Lab ライセンス 1.0
サポートされているプラ​​ットフォーム	Linux (NVIDIA GPU + CUDA が必要)

GaussianCity の核となるブレークスルーは、3D-GS を限定スケールの物体/人体の生成から無限スケールの 3D 都市生成に拡張することです。 CityDreamer などの従来のアプローチは、大規模なシナリオではメモリ爆発の問題に直面します。10km 平方の都市には数百 GB の VRAM が必要です。 GaussianCity は、BEV-Point のコンパクトな表現を通じてグラフィックス メモリの消費量を一定レベルに維持することで、このボトルネックを完全に解消します。推論速度の点では、GaussianCity は 10.72 FPS に達し、CityDreamer (0.18 FPS) の 60 倍であり、質的に飛躍しています。

ユーザーと市場の認識

GaussianCity は CVPR 2025 に含まれており、3D 生成分野における最先端の研究成果です。その Hugging Face のオンライン デモンストレーションは、2025 年の第 11 週にトップ 8 スペースとして評価され、その後トップ 1 スペースに上昇し、学界と産業界の両方で広く注目されていることを示しています。 GitHub リポジトリは 336 個のスターと 19 個のフォークを獲得しており、そのコミュニティ活動は同様の CVPR ペーパー実装の中でも際立っています。

この研究は CityDreamer の同じチーム (NTU S-Lab) によって継続され、フォローアップ研究 CityDreamer4D には公開ページがあり、この技術的なルートが研究の活力を継続していることを示しています。

コストメリット

GaussianCity は、支払基準額のない完全にオープンソースの学術研究プロジェクトです。

コスト ディメンション	説明
オープンソースコード	GitHub リポジトリは、NTU S-Lab License 1.0 に基づいて完全に公開されています。
事前トレーニング済みモデル	背景ジェネレーターと建物ジェネレーターに事前トレーニングされた重みを提供します
オンライン体験	Hugging Face Spaces は無料のオンライン デモを提供しています
ハードウェアのコスト	独自の NVIDIA GPU (CUDA 11.8+) を持参する必要があります。トレーニングには 8×GPU マルチカード構成が推奨されます。

研究者や開発者にとって、実際のコストはハードウェアへの投資にあります。トレーニング バックグラウンド ジェネレーターは、マルチカード構成に「torchrun --nnodes=1 --nproc_per_node=8」を推奨します。シングルカード推論には、少なくとも 8GB VRAM を搭載した GPU が必要です。大型模型・AIGC研究の分野では定番の構成ですが、個人の愛好家にとっては敷居が高くなります。

主な機能

• ボーダレスな3D都市生成: ドローンの鳥瞰図からストリートビューまで、多様な都市シーンの生成をサポートします。シーンのスケールはビデオ メモリによって制限されず、理論的にはあらゆる都市の規模に到達できます。
• BEV-Point Compact Representation: 3D シーン内のポイントを位置属性とスタイル属性に分解し、Bird's Eye View とスタイル ルックアップ テーブルによる圧縮を実装することで、シーン サイズに応じて VRAM 消費量が増加しません。
• 空間認識 BEV ポイント デコーダー: ポイント シリアライザーとポイント トランスフォーマーに基づいて、BEV ポイント間の構造的および文脈上の関係をキャプチャし、高品質の 3D ガウス属性を生成します。
• デュアル ジェネレーター アーキテクチャ: 背景ジェネレーターは空や地面などの背景要素を担当し、建物ジェネレーターは建物の生成に重点を置きます。この 2 つが連携して、完全な都市シーンが完成します。
• リアルタイム レンダリングとインタラクション: 3D-GS に基づく効率的なラスタライゼーション パイプラインは、リアルタイム レンダリングをサポートします。ハグフェイスデモは、オンラインでのインタラクティブな体験を提供します。

モデルとバージョンの進化

バージョン	日付	説明
倉庫の作成	2024-05-24	最初のウェアハウスの作成、コードはまだ公開されていません。
トレーニング/テストコードのリリース	2025-02-27	完全なトレーニングおよび推論コード、トレーニング前の重みのリリース
ハグフェイスデモ	2025-03-02	オンライン デモが開始され、トップ 8 スペース (第 11 週) を獲得し、その後トップ 1 に上昇しました。
CVPR 2025 が含まれる	2025-06	この論文は CVPR 2025 に受理され、正式に出版されました。

GaussianCity のバージョン履歴は明確です。2024 年 5 月のウェアハウスの初期化から 2025 年 2 月の完全なオープン ソース コード、そしてコミュニティから高い人気を得た 3 月の Hugging Face Demo の開始に至るまで、全体的なリズムはコンパクトです。この論文が CVPR 2025 に掲載されたということは、その研究がトップカンファレンスでの査読を通過したことを意味します。コードは現在まだメンテナンス中であり、将来的には同じ技術的ルートに基づいて強化されたバージョンがリリースされる可能性があります (同じチームの CityDreamer4D を参照)。

技術的な利点

GaussianCity の技術的リーダーシップは 3 つのレベルで反映されています。

• BEV ポイントのコンパクト表現: 革新の中核は、3D シーン ポイントを位置属性とスタイル属性に分解し、BEV 空間量子化 + スタイル ルックアップ テーブルを通じて一定のグラフィックス メモリ消費を達成することにあります。 CityDreamer のボクセル/グリッド表現と比較して、BEV-Point はシーンのスケールが拡大されたときのグラフィックス メモリの急激な増加を回避し、10km2 レベルの都市を生成することができます。
• 60 倍の速度向上: 同じシナリオで、GaussianCity の推論速度は 10.72 FPS に達しますが、CityDreamer の推論速度は 0.18 FPS にすぎません。速度の利点は、3D-GS の GPU 効率の高いラスタライゼーション パイプライン + BEV-Point のコンパクトなデータ構造によってもたらされます。この 2 つを組み合わせることで、各フレームのレンダリング コストが大幅に削減されます。
• 空間認識デコーダー: ポイント シリアライザー + ポイント トランスフォーマーのアーキテクチャ設計により、BEV ポイント間の空間コンテキストを効果的にキャプチャできるようになり、独立したポイント生成によって引き起こされる幾何学的不一致が回避され、出力される都市レイアウトが合理的で建築の詳細が豊富になります。

使い方

GaussianCity では、次の 3 つの使用方法が提供されます。

エントリー	タイプ	説明
GitHub ソース コード	自己展開	リポジトリのクローンを作成 → 依存関係をインストール → 事前トレーニング済みモデルをダウンロード → 推論を実行
ハグフェイスデモ	オンライン体験	ブラウザを開いて、インストール設定を行わずに直接使用します。
論文/プロジェクトページ	参考文献	arXiv 論文、プロジェクト紹介、引用など

ローカル展開をすぐに開始する

「」バッシュ

1. リポジトリのクローンを作成する

git clone https://github.com/hzxie/GaussianCity cd ガウスシティ

2. PyTorch をインストールする (CUDA 11.8 の例)

pip install torch==2.4.1 torchvision==0.19.1 --index-url https://download.pytorch.org/whl/cu118

3. Python の依存関係をインストールする

pip install -r 要件.txt

4. CUDA 拡張機能をコンパイルする

GCITY_HOME=pwd cd $GCITY_HOME/extensions ls -d */ の e について する cd $GCITY_HOME/extensions/$e pip インストール 。 完了しました

5. 事前トレーニングされたモデルをoutput/ディレクトリにダウンロードし、推論を実行します

python3 スクリプト/inference.py 「」

注: 推論速度は、inference.py 内の CPU 側の footprint_extruder によって制限されます。最速のパフォーマンスが必要な場合は、Hugging Face Demo の GPU 実装を使用してください。

ハグフェイスのオンライン体験

https://huggingface.co/spaces/hzxie/gaussian-city にアクセスして、設定なしで直接体験してください。

製品の価格設定

GaussianCity は完全にオープンソースの学術プロジェクトであり、NTU S-Lab License 1.0 契約に基づいてリリースされており、課金プランはありません。

• オープン ソース コード: GitHub リポジトリは完全にオープンであり、無料で使用できます。
• 事前トレーニング済みモデル: 背景ジェネレーターと建物ジェネレーターの重みを無料でダウンロード。
• オンライン デモ: Hugging Face Spaces の無料トライアル。
• 商用ライセンス: NTU S-Lab License 1.0に基づき、商用利用は契約条件に従う必要があります。 NTU チームに相談することをお勧めします。

実際のコストは主にハードウェアから発生します。

• シングルカード推論: 最小 8GB VRAM GPU (16GB 以上を推奨)
• 完全なトレーニング: 8×GPU マルチカード クラスター推奨 (A100 または同等)

アプリケーションのシナリオ

• ゲームと仮想現実: オープンワールド ゲームの VR ローミングやその他のシナリオで使用するためのリアルでボーダーレスな 3D 都市コンテキストを迅速に生成し、手動モデリングのコストを大幅に削減します。
• 映画および TV アニメーション制作: 複雑な都市シーンを背景または特殊効果素材として効率的に生成し、様式化されたレンダリングをサポートし、制作パイプラインの効率を向上させます。
• 都市計画と建築設計: GIS データを 3D 視覚化シーンに迅速に変換して、都市レイアウト計画、ビルディング ブロックの精緻化、および設計計画の表示を支援します。
• 自動運転シミュレーション: 自動運転アルゴリズムの認識および計画テスト用に多様な現実的な都市交通シーンを生成し、従来のシミュレーション データセットではカバーすることが困難なロングテール状況を補完します。
• 地理情報システム (GIS): 2D 地理データを 3D 都市モデルに自動的にアップグレードし、デジタル ツインやスマート シティなどのアプリケーションの早期視覚検証をサポートします。

該当する人

• コンピューター ビジョン/AIGC 研究者: GaussianCity は、手法の比較やさらなる改善の出発点として使用するのに適した、都市規模での 3D-GS 生成の最先端のベースラインを提供します。
• ゲーム、映画、テレビの開発者:都市の背景アセットをバッチで迅速に生成する必要があるテクニカル アーティストや開発者は、オープン ソース コードと事前トレーニングされたモデルを使用してアセット パイプラインを高速化できます。
• 自動運転シミュレーション エンジニア: アルゴリズム検証のために多様な都市シーン データを必要とするエンジニアは、GaussianCity に基づいて補足的なトレーニング データを生成できます。
• 人には適用されません:
  • GPU コンピューティング能力が不足している個人ユーザー (NVIDIA GPU がない、または VRAM が 8GB 未満) は、ローカル展開を試行することはお勧めできません。
  • 即時に商用グレードの SaaS 製品を必要とするシナリオには適していません (ワンクリックで生成、コーディングは不要) - GaussianCity は研究フレームワークであり、その使用には Python/CUDA 基盤が必要です。
  • 構造化された都市データ (セマンティック タグを持つ建物、道路、交通の流れ) の出力を期待 - GaussianCity は、GIS 構造化データではなく、視覚的なレンダリングを生成します。

概要と展望

GaussianCity は、3D 都市生成における重要な進歩です。 3D-GS の機能を限定スケールの物体/人体から無限スケールの都市レベルのシーンまで拡張し、BEV-Point のコンパクト表現を通じてこの分野を長年悩ませてきたメモリのボトルネック問題を解決します。 60 倍の速度向上と CVPR 2025 の支持により、この方向では避けられないベースライン手法となります。

ただし、GaussianCity は量産ツールではなく研究フレームワークとして位置付けられており、GPU 対応の Python プログラミング基盤と 3D-GS テクノロジー スタックの理解が必要です。現在のバージョンは主に技術力のある研究者や開発者向けであり、現時点では直接商用のSaaS版は存在しない。

調達/採用のリスク評価: 個人の愛好家にとって、ハードウェアのしきい値 (NVIDIA GPU + CUDA + 少なくとも 8GB VRAM) は隠れた最大の投資です。企業ユーザーの場合、NTU S-Lab License 1.0 の商用条件を注意深く確認する必要があります。商用利用する前に、NTU チームに権限の範囲を確認することをお勧めします。このプロジェクトは現在、個人の研究者 (Haozhe Xie) によって維持されています。長期的な反復リズムは学術チームの継続的な投資に依存しており、ある程度の不確実性があります。 GaussianCity を研究検証ツールまたはラピッド プロトタイピング ツールとして使用することをお勧めします。実稼働レベルのシナリオは、比較評価のために CityDreamer シリーズまたは他の商用ソリューションと組み合わせる必要があります。

関連ツール: midjourney、stable-diffusion

バージョン情報

• CVPR 2025 正式版 ：トレーニングおよびテスト コードが完全にリリースされ、OSM および GoogleEarth データ セットをサポートします。ハグフェイスデモはオンライン（2025/03/02）です。 （2025-02-27）
• 倉庫の作成 ：初期リポジトリが作成されますが、コードはまだ公開されていません。 （2024-05-24）