阿里云DataV推出“山海计划”，利用AIGC技术高效生成具有中国特色的三维城市场景，助力智慧城市建设。
原文标题：阿里云“山海计划”：基于UE引擎的“中国特色”城市场景AIGC方案
原文作者：阿里云开发者
冷月清谈：
方案核心是尊重中国城市风貌，宏观层面通过分析城市规划和楼盘开发模式，提取中国城市“规整”和“高耸”的特征，并据此制定数据驱动策略。中观层面采用多层级几何工具，模拟建筑结构和空间功能布局，参数化生成不同类型的建筑模型，并通过风格管理实现局部统一性和整体丰富性。微观层面，利用Stable Diffusion的Control Net等AI技术，生成建筑材质、地面环境、夜景灯光等细节，大幅提升场景真实感和多样性，同时降低了开发成本和渲染压力。
目前，基于“山海计划”的UE引擎插件已登陆Epic Fab，开发者可免费体验广州场景三维资产。DataV也提供完整的数据看板解决方案，与UE引擎共同构成低成本的“智慧城市”开发方案。
怜星夜思：
2、AIGC除了生成纹理，还能在城市场景构建中发挥哪些作用？
3、相比于传统的建模方式，这种基于AIGC的方案有哪些优势和劣势？
原文内容
阿里妹导读
一、背景介绍
随着智慧城市产业的日渐成熟，低成本、高效率的三维城市场景构建需求日渐强烈。不同的国家/地区、不同的文化背景，往往会影响一座城市的宏观风貌和微观细节，这也一直是自动化三维城市场景生成面临的挑战；很多国外开源方案直接照搬，能满足技术指标，却往往不能从宏观上找准中国城市风貌的神韵。为了能够自动化、工程化、普适化地生成“中国城市”场景，阿里云DataV发起了“山海计划”；希望在尊重中国城市风貌的框架下，借助AIGC的技术能力，为智慧城市项目提供数字化底座。
视频：“山海计划”城市生成效果预览
二、实践缘起
我们团队一直在基于自身的产品体系，支持阿里云城市大脑以及其他很多数字孪生城市的建设。随着城市大脑的推广和标准化，我们也产生了标准化高效供应三维城市场景的需求。于是我们总结出了这样的一个目标，自动化、工程化、普适化地生产中国城市场景，更直观的来说，我们最初的输入就是我们手上的地理信息数据，最后我们会做到立等片刻，让地理数据变成这样的，颇具真实感的视觉效果，并且全国大部分城市适用。
三、解决方案构思
看向行业
首先我们分析一下已有的经典技术方案，比如UE的“黑客帝国”城市示例，它主要通过程序化的instance模型放置构建城市，效果非常炸裂，但也大量依赖优秀的模型资产和美术资产。
看向自身
而从我们团队自身的禀赋出发呢，作为数据类产品的研发团队，我们擅长和数据打交道，三维美术资产非我们所长。另外，我个人曾经是建筑师，做过多年的建筑参数化设计，所以我们希望在程序化几何建模上找到解法。
看向平台
于是我们看向UE新特性Dynamic-Mesh以及它的插件GeometryScript，它的高性能动态生成能力与极强的扩展性给了我们启发。当然，目前在UE中要媲美经典程序化建模还不现实，但UE有强大材质系统可以在细节上发力，减轻几何生成方面的压力。所以下一个问题就是材质和纹理从哪里来？
看向时代
解决方案
至此，我们的解决方案框架的主体就形成了。数据驱动，负责宏观的城市格局；程序化生形，负责中观的建筑形体；AI生图，负责微观的细节质感。当然我们也了解，没有绝对完美的逻辑模型，我们必须要提供人工介入调整的空间，而恰好DynamicMesh的动态调整能力完美的满足了这一点。
现在我们再回头看这个目标，自动化、工程化、以及刚刚根据团队自身禀赋与业务目标推导出来的轻资产这些特征我们都有信心可以做到，但普适化和中国特色我们是否可以做到，这不是技术能够回答的。所以下面我们带着这个粗略的框架与我们的疑问进入我们的实践的第一环节，考量数据与城市格局。
四、宏观方法论：城市格局分析与数据驱动策略
4.1 城市风貌特征对比
4.2 城市风貌底层逻辑分析
第二件事就是98房改，中国的住宅进入了楼盘开发模式，这些黄色的部分多数会被建成统一规整的住宅楼盘。由此，中国的城市化进程开始加速，城市风貌也开始变得规整。除了规整，还有一个特征就是高耸。土地要承载涌入城市的人口就必须集约化利用，于是住宅越来越高大，中国住宅的外观和公共建筑是有很大区别的，所以这种特点在城市风貌中越来越突现。
4.3 分析结论与数据处理策略
具体的数据处理技术方案，我们将在后续的文章中进行解析，敬请期待。
五、中观方法论：几何工具打造与建筑程序化生形
5.1 多层级几何工具
底层计算层
在c++当中，提供了一些标准的计算几何能力，简单的诸如计算轮廓内角、求取轮廓重心、多种逻辑等分线条等等，复杂的诸如Mesh表面撒点、经典计算几何算法（Voronoi等）集成等以及对Dynamic Mesh进行底层信息获取和通用操作的能力，诸如查询Mesh的拓扑信息、获取Mesh裸边等等。
三维设计层
第二层是三维设计层，类似DCC软件的基础能力，它是以蓝图函数库为载体，提供点线面的通用几何处理与逻辑判断。为此，我也引入了一些UE之外的线条操作的几何概念，以支撑建筑设计学科的一些典型思路。功能诸如：线条最近点求取，平面投影、范围细分等等。
建筑设计层
在一、二层基础上，我们构建了第三层：建筑设计层，可以一定程度上类比BIM软件，它的主要是以DynamicMesh Actor为载体，提供参数化生成带有建筑属性的构件的能力。
应用案例
下面我们举两个例子来展示多级几何工具的逐层构建关系。
首先是凹凸形体的工具，通过线段首尾分段与线段偏移，我们构建了一个定义凹凸形体及其材质的工具，它可以大量复用在如阳台，办公楼转角，主入口内凹等等，非常简单但很通用。
第二个例子是山墙判断，我们可以通过判断内角度数、判断各边边长来找出建筑的侧面，再给以不同的呈现，突出这种板式建筑形体的典型特征。
5.2 建筑逻辑模型构建实战
接下来我们开始基于蓝图类，尝试完整建筑逻辑模型的构建。同样我们也介绍两种逻辑。
以结构逻辑为导向
第一种是以建筑结构为导向的思路，主要用在公共建筑，它的形式语言主要遵循梁、柱、板等结构构件的逻辑。通过横向构件、竖向构件、整体框架的自身尺寸变化、节奏变化以及组合关系变化，可以组合出海量的常见的公共建筑形态。
以空间与功能布局为导向
第二种逻辑是以空间功能布局为导向，这种逻辑主要用于住宅，它的立面会非常直观的对应户型的布局，只要我们掌握了不同房间的空间规律，就可以构建合理的住宅外立面。比如住宅建筑中，不同大小的户型对应着不同的建筑面宽，也具有典型的房间排布规律，比如“客厅-次卧-主卧”，根据建筑面宽去划分出大小户型，再划分出下一级的房间，就可以适配不同轮廓数据的住宅建筑了。
平面布局逻辑为导向
其他屋顶逻辑
5.3 风格管理与扩充
5.4 大规模建筑生成策略
建筑类型数据补充判定
裙楼策略
建筑风格风格统一
六、微观方法论：AIGC应用与建筑细节呈现
6.1 AI作为“三维纹理艺术家”
6.2 AI作为“建筑设计助理”
6.3 AI作为“建筑师”
6.4 AI作为“城市规划师”与“景观设计师”
6.5 AI作为“灯光师”
七、性能与成本
八、DataV x Epic Fab：面向生态伙伴的“智慧城市”开发方案
基于DataV“山海计划”的UE引擎插件已经登陆Epic Fab，广大UE引擎开发者可以通过该插件免费体验城市历史悠久的广州场景三维资产，详细资源地址见附录。
让视觉营销焕新，AI打造专属企业风格海报
AI的快速发展推动了各行各业的智能化转型和创新，随之而来的是对AI应用的迫切需求。本方案介绍的是使用AI设计平台PAI-ArtLab，快速生成符合企业特定风格的Logo商标图、设计图、宣传图、海报图等，大大节省了人力、时间成本，保证图片生成质量且提高图片产出效率。
点击阅读原文查看详情。