arXiv cs.AI· Qingqi Song, Yuzhou Chen, Lingqian Hu, Shenhao Wang·· 11 小时前AI 评分31
DualControlNet：用生成式 AI 从文本提示合成土地利用图与卫星影像
Generative AI for urban planning: synthesizing land-use maps with satellite imagery via DualControlNet
AI 导读
DualControlNet 是一个可联合生成高分辨率土地利用图与卫星影像的生成式土地利用模型，基于 Orlando 和 Chicago 超 4 万对瓦片训练。相比单模态基线，其土地利用多样性一致性提升 62.8%、建筑覆盖率一致性提升 16.3%，跨模态空间一致性提升逾一倍、视觉质量提升三倍。模型支持多维控制并响应“高密度开发”等文本提示，降低城市未来情景探索门槛。
正文 · AI 翻译
摘要：各类土地利用模型刻画土地利用格局并支持情景规划。然而，现有模型大多为预测型，基于数值数据预测转变，无法根据简单的文本提示合成新的土地利用地图。与此同时，城市系统中的生成式 AI 仍为单模态、可控性弱，且多以通用图像质量而非领域特定指标进行评估。为弥补这些空白，我们提出 DualControlNet，一种联合合成高分辨率土地利用地图与卫星影像的生成式土地利用模型，应对多模态、可控性与验证方面的挑战。DualControlNet 在奥兰多和芝加哥的 40,000 余对瓦片数据上训练，并采用土地利用、空间一致性和图像质量指标进行评估。与单模态基线相比，DualControlNet 将土地利用多样性一致性提升 62.8%，建筑覆盖率一致性提升 16.3%，跨模态空间一致性提升一倍以上，视觉质量提升至三倍。基于情景的实验表明，DualControlNet 通过多维控制支持可持续发展，提升密度与多样性，并响应“高密度开发”等文本提示。总体而言，本工作通过多模态、可控且可验证的生成式框架推进土地利用建模，降低技术门槛，使城市未来的直观探索成为可能。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.05859 [cs.CV] |
| （或 arXiv:2611.05859v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05859 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Qingqi Song [查看邮箱]
[v1]
2026年11月4日 星期三 02:49:55 UTC（8,809 KB）
来源：arXiv cs.AI · arxiv.org