L'équipe de recherche de Nanyang Technological University a récemment lancé une technologie de génération de modèles de ville 3D super-large appelée "Gaussiancity", une réussite innovante a attiré une grande attention dans les cercles académiques et industriels. Cette technologie a non seulement atteint une amélioration significative de la vitesse de génération de 60 fois, mais a également franchi les limites des méthodes traditionnelles à l'échelle, soutenant la génération de villes 3D sans frontière, apportant des percées révolutionnaires dans des domaines tels que la réalité virtuelle, la conduite autonome et les jumeaux numériques.
Les résultats de la R&D de Gaussiancity ont été acceptés par CVPR2025 (conférence de haut niveau sur la vision par ordinateur et la reconnaissance des modèles), marquant son leadership technologique. Le cœur de cette technologie réside dans sa conception innovante d'algorithme, qui permet au modèle urbain 3D qui génère des perspectives de drones et des perspectives de rue pour atteindre le niveau le plus avancé. Sa vitesse de rendu est aussi élevée que 10,72 images par seconde (FPS), ce qui est 60 fois plus rapide que la solution CityDremer existante, améliorant considérablement l'efficacité informatique et les capacités d'expansion de l'échelle.
Les deux principales percées technologiques de Gaussiancity sont la clé de son succès. Premièrement, il adopte une méthode compacte de représentation de scène 3D "BEV-POINT" (point de vue de l'oeil-oiseaux), qui réduit considérablement la demande de mémoire et fait que la génération de scènes à grande échelle ne se limite plus aux ressources matérielles. La technologie traditionnelle 3D Gaussien (3DG) nécessite des milliards de points lorsqu'il s'agit de villes illimitées, qui occupent souvent des centaines de GB de mémoire vidéo. Gaussiancity maintient l'utilisation de la mémoire vidéo constante via BEV-point, réalisant une véritable génération sans limites. Deuxièmement, l'équipe de recherche a développé un décodeur d'attribut gaussien adapté à l'espace, en utilisant le sérialiseur Point pour intégrer la structure et les caractéristiques contextuelles des points BEV pour garantir que le modèle urbain généré est à la fois efficace et réaliste.
Il convient de mentionner que l'équipe de recherche et développement de Gaussiancity a annoncé que les articles, les codes et les documents connexes du projet étaient entièrement open source, fournissant des ressources précieuses pour les milieux académiques et industriels. L'émergence de Gaussiancity a apporté de nouvelles possibilités à plusieurs domaines. Dans la réalité virtuelle (VR) et la réalité augmentée (AR), il peut rapidement générer des environnements urbains à grande échelle de haute qualité, offrant aux utilisateurs une expérience immersive; Dans le domaine de la conduite autonome, la gaussienne peut être utilisée pour reconstruire des scènes 3D géométriquement précises, offrant des villes jumelles numériques réalistes pour la formation et les tests; Dans l'urbanisme et le développement de jeux, son efficacité et son évolutivité amélioreront également considérablement l'efficacité créative.
Entrée du projet: https://github.com/hzxie/gaussiancity