RECITYGEN：潜变量扩散と Segment Anything モデルを用いたインタラクティブかつ生成型の参加型都市設計ツール

arXiv:2602.07057v1 Announce Type: new Abstract: 都市設計は公共空間およびコミュニティへの関与に深く影響を及ぼします。従来のトップダウン型の手法はしばしば公共の意見を見落とし、設計の理想と現実の間にギャップを生み出しています。近年、City Information Modelling や拡張現実といったデジタルツールの進展により、都市設計にステークホルダーをより多く巻き込む参加型プロセスが可能になっています。さらに、ディープラーニングおよび潜変数拡散モデルの進歩は設計生成のハードルを下げ、参加型都市設計の可能性を一層高めました。最先端の潜変数拡散モデルをインタラクティブなセマンティックセグメンテーションと組み合わせ、文脈の指定から都市環境の変異ストリートビュー画像をインタラクティブに生成できる新しいツール「RECITYGEN」を提案します。北京で行われたパイロットプロジェクトにおいて、ユーザーは RECITYGEN を活用して進行中の都市再生プロジェクトの改善案を提案しました。いくつかの制限はあるものの、RECITYGEN は公共の好意と整合性を示すことに有意な潜在力を示しており、より動的かつ包摂的な都市計画手法への転換を指し示しています。プロジェクトのソースコードは RECITYGEN GitHub で入手可能です。

arXiv:2602.07057v1 Announce Type: new Abstract: Urban design profoundly impacts public spaces and community engagement. Traditional top-down methods often overlook public input, creating a gap in design aspirations and reality. Recent advancements in digital tools, like City Information Modelling and augmented reality, have enabled a more participatory process involving more stakeholders in urban design. Further, deep learning and latent diffusion models have lowered barriers for design generation, providing even more opportunities for participatory urban design. Combining state-of-the-art latent diffusion models with interactive semantic segmentation, we propose RECITYGEN, a novel tool that allows users to interactively create variational street view images of urban environments using text prompts. In a pilot project in Beijing, users employed RECITYGEN to suggest improvements for an ongoing Urban Regeneration project. Despite some limitations, RECITYGEN has shown significant potential in aligning with public preferences, indicating a shift towards more dynamic and inclusive urban planning methods. The source code for the project can be found at RECITYGEN GitHub.