生成AI技術を用いた都市規模の三次元建物データの効率的な作成・更新技術の体系化

• Project/Area Number: 24K21643
• Research Category: Grant-in-Aid for Challenging Research (Exploratory)
• Allocation Type: Multi-year Fund
• Review Section: Medium-sized Section 23:Architecture, building engineering, and related fields
• Research Institution: The University of Tokyo
• Principal Investigator: 関本 義秀 東京大学, 空間情報科学研究センター, 教授 (60356087)
• Co-Investigator(Kenkyū-buntansha): 澁谷 遊野 東京大学, 大学院情報学環・学際情報学府, 准教授 (20847917) ; 矢部 貴大 東京大学, 空間情報科学研究センター, 客員研究員 (30940431) ; Pang Yanbo 東京大学, 空間情報科学研究センター, 特任講師 (60870178) ; 小川 芳樹 東京大学, 空間情報科学研究センター, 講師 (70794296) ; 瀬戸 寿一 駒澤大学, 文学部, 准教授 (80454502)
• Project Period (FY): 2024-06-28 – 2026-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000); Fiscal Year 2025: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000); Fiscal Year 2024: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
• Keywords: 建物 / 三次元都市モデル / 生成モデル / 大規模言語モデル / 三次元都市空間 / 三次元建物データ / 生成AI技術

Outline of Research at the Start

近年複雑性を増す都市政策には地域が抱えるリスクへの顧慮も必要で、都市構造を本格的に分析・シミュレーションする建物の三次元データが必須である。
国土交通省都市局のプロジェクトPLATEAUにおいて整備・公開されている三次元建物データは、作成・更新時に多くの手作業を要しサステナブルとは言えない。
本研究は、生成AI技術でも特にGANやStable diffusion、NeRF等の画像生成技術と、PLATEAUデータを教師データとして、断片的な観測画像からの建物データの高精度な推定を行い、手法と精度を体系化する。
大規模学習データセットを元に三次元都市空間分野のコミュニティを形成し国際的プレゼンスを示す。

Outline of Annual Research Achievements

本年度は建物の二次元フットプリント（ポリゴン）といくつかの建物パラメータ（高さ、屋根タイプ）をもとに建物の三次元データを生成できるように、既存の三次元データをもとに作成した学習データやそれに基づきモデルを学習済みモデルを作成し、生成した。

具体的には建物メッシュの高さを順番とし、離散的なトークンに変換して、GPTモデルの学習手法に参照して特化したLLMモデルを学習させた。

最終的には千葉県柏市を対象に3つのエリアで生成を行い、RMSE（平均二乗誤差）が平均0.19m、BMQI（建物メッシュの品質を表す指標）が98.1と、高レベルの結果を得ることができた。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

最初のゴールである、LLMによる自動生成までは、予定どおり行えたため。しかし、実用に耐えうるには、屋根形状の向き等に間違いも一定割合で見られるため、修正していく予定である。

Strategy for Future Research Activity

見た目上、明らかにうまく生成できていないケースも確認できたので、そうしたものを指標により自動検出し、再生成していくアルゴリズム等を実装していく予定である。