MetaEarth3D：空間的にスケーラブルな生成的モデリングで世界規模の3D生成を解き放つ

要旨: 近年の生成AIモデルは、言語と視覚の理解において目覚ましいブレークスルーを達成してきました。しかし、これらのモデルが現実的な視覚コンテンツを生成できる一方で、その空間スケールは有界な環境に限定されたままであり、何千キロメートルにわたって地理環境がどのように変遷していくのか、あるいは大規模な物理世界の空間構造をどのようにモデル化するのかを捉えることはできません。この制約は、地球観測およびシミュレーションにおける超広域空間知能にとって重大な課題となっており、生成AIのより深いギャップを明らかにしています。すなわち、これまでの進歩は主としてモデルのパラメータと学習データのスケーリングに依存してきた一方で、知能の中核となる次元としての空間スケールを見落としてきたのです。ここでは、この欠けている次元に動機づけられ、基盤モデルにおける新しいスケーリング軸として空間スケールを調査し、惑星規模で空間的に一貫した生成を可能にする最初の生成基盤モデルであるMetaEarth3Dを提示します。光学的な地球観測シミュレーションをテストベッドとして、MetaEarth3Dは、大規模な地形、中規模の都市、そして細粒度の街区に至るまで、広域にまたがる複数レベルの無境界かつ多様な3Dシーンの生成を可能にします。地球規模で分散された実世界の学習画像1,000万枚に基づいて構築されたMetaEarth3Dは、強い視覚的リアリズムと、地理空間の統計的リアリズムの両方を示します。生成にとどまらず、MetaEarth3Dは、超広域空間知能における多様な仮想環境のための生成データエンジンとしても機能します。本研究が、地球観測のための次世代の空間知能を後押しし、力を与えることにつながる可能性があると主張します。