利用卫星图像和生成式人工智能展望全球城市发展

城市发展一直是人类历史上的决定性力量，几个世纪以来一直塑造着城市。然而，过去的研究大多将这种发展作为预测任务进行分析，未能反映其生成性。因此，本研究设计了一个多模式生成人工智能框架，以设想全球范围内的可持续城市发展。通过集成提示和地理空间控制，我们的框架可以在全球 500 个最大的都市区生成高保真、多样化且真实的城市卫星图像。它使用户能够指定城市发展目标，创建与其一致的新图像，同时提供可以通过文本提示和地理空间约束控制其外观的不同场景。它还通过向周围环境学习来促进城市重建实践。除了视觉合成之外，我们发现它还编码和解释了全球跨城市学习的城市形态的潜在表征，成功地在全球空间网络中转移了城市环境的风格。潜在表示还可以增强下游预测任务，例如碳排放预测。此外，人类专家评估证实我们生成的城市图像与真实的城市图像相当。总体而言，本研究提出了加速城市规划的创新方法，并支持全球城市基于情景的规划流程。