模擬具有位置屬性的城市形態是城市科學中一項具有挑戰性的任務。最近的研究表明，生成對抗網絡(GANs)有可能揭示這一任務。然而，現有的基于gan的模型受限于城市數據的稀疏性和模型訓練的不穩定性，阻礙了其應用。本文提出一種融合地理知識的GAN框架，即大都市GAN (MetroGAN)，用于城市形態模擬。納入了一個漸進式增長結構來學習分層特征，并設計了一個地理損失來施加水域的限制。此外，本文還提出了城市系統復雜結構的綜合評價框架。結果表明，MetroGAN在所有指標上都比目前最先進的城市模擬方法高出20%以上。令人鼓舞的是，僅使用自然地理特征，MetroGAN仍然可以生成城市的形狀。實驗結果表明，MetroGAN解決了以往城市模擬GANs的不穩定性問題，并且對各種城市屬性具有通用性

?

?

?

總結

以上是生活随笔為你收集整理的MetroGAN: Simulating Urban Morphology with Generative Adversarial Network的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。