想象一下，只需用日常语言描述心中理想城市的模样，就能瞬间获得一座细节丰富、结构合理的3D虚拟城市——这不再是科幻电影中的场景。由国内高校科研团队开发的MajutsuCity系统，正将这一愿景变为现实。该系统突破传统3D建模的技术壁垒，开创了自然语言驱动的智能城市生成新范式，在游戏开发、虚拟现实和城市规划等领域引发广泛关注。
传统3D城市场景构建面临两大核心难题：要么依赖预制模块拼凑导致创意受限，要么采用神经渲染技术引发几何失真。研究团队通过构建四阶段生成流水线，创造性地解决了这些矛盾。系统首先将用户描述分解为布局规划、建筑资产、材质纹理和天空环境四个维度，再通过语义布局生成、建筑高度映射、3D模型生成和材质融合等步骤，逐步将抽象概念转化为具象场景。这种模块化设计既保证了生成效率，又实现了全局风格统一。
支撑系统运行的MajutsuDataset数据集堪称行业里程碑。这个包含1.33万个城市布局样本、1000个3D建筑模型和2300种材质纹理的多模态数据库，覆盖全球五大洲的城市特征。研究团队特别采用GPT-5-mini为每个布局生成详细文本描述，使模型能够学习"摩天大楼林立的商业区"与"低密度花园住宅区"等复杂空间关系。在3D建筑生成环节，系统突破性地采用形状约束技术，通过图像渲染和点云采样双重保障，确保生成的建筑既符合几何要求又具有艺术美感。
该系统的交互编辑功能彻底改变了3D内容创作模式。MajutsuAgent代理支持五种自然语言操作：添加新元素、删除现有组件、修改建筑属性、调整空间位置和替换表面材质。用户只需说"在公园中心增加喷泉"或"将建筑风格改为赛博朋克"，系统就能自动完成相应修改。这种对话式交互大幅降低了技术门槛，使非专业用户也能创作专业级城市场景。
在性能验证环节，研究团队建立了包含八个维度的评估体系。实验数据显示，MajutsuCity在布局生成质量上较现有最佳方法提升83.7%，在场景丰富度、材质真实感等关键指标均排名首位。特别在风格适应性测试中，系统成功生成了"我的世界"像素风、"吉卜力"动画风等四种截然不同的城市景观，且在大规模场景中保持风格高度一致。
技术突破背后是多项创新方法的融合。系统将大语言模型的语义理解能力与扩散模型的空间生成能力相结合，通过长文本编码器处理复杂空间描述，利用控制网架构确保布局与高度的精准对应。在3D建模阶段，双重形状约束机制和自校准反馈循环，有效解决了传统方法常见的几何扭曲问题。这些技术创新为AI辅助创作工具的发展提供了新思路。
目前，该系统已展现出广泛的应用潜力。游戏开发者可快速生成多样化的游戏地图，虚拟现实创作者能轻松构建沉浸式环境，城市规划机构则可通过模拟不同设计方案进行可视化评估。研究团队透露，系统对复杂形状的控制精度和独立建筑资产的视觉一致性仍有提升空间，这些将成为后续优化的重点方向。
