GaussianCity: 無限大3D都市生成のための生成的ガウススプラッティング

NeRFベースの方法による3D都市生成は有望な生成結果を示していますが、計算効率が悪いです。最近、3Dガウススプラッティング（3D-GS）がオブジェクトレベルの3D生成に対して非常に効率的な代替手段として登場しました。しかし、有限サイズの3Dオブジェクトや人間から無限サイズの3D都市に3D-GSを適応することは簡単ではありません。無限大の3D都市生成には、数十億のポイントを拡張する必要があるため、重要なストレージオーバーヘッド（メモリ不足の問題）が伴い、10km²にわたる都市シーンのために数百ギガバイトのVRAMを要求することがよくあります。本論文では、GaussianCityを提案します。これは、1回のフィードフォワードパスで効率的に無限大の3D都市を合成するために特化した生成的ガウススプラッティングフレームワークです。我々の重要な知見は二つです。1) コンパクトな3Dシーン表現：BEV-Pointという非常にコンパクトな中間表現を導入し、無限大シーンのVRAM使用量の増加が一定に保たれるようにします。これにより無限大都市生成を実現します。2) 空間認識ガウス属性デコーダー：空間認識BEV-Pointデコーダーを提案し、構造的および文脈的特性を統合するPoint Serializerを活用して3Dガウス属性を生成します。広範な実験により、GaussianCityはドローンビューおよびストリートビューの3D都市生成において最先端の結果を達成しています。特に、CityDreamerと比較して、GaussianCityは60倍のスピードアップ（10.72 FPS対0.18 FPS）を示しています。