该论文介绍了一种新的方法，通过从2D交通模拟和录制的路口画面中创建逼真的图片来缩小“模拟-实际”之间的差距。该方法利用条件生成对抗网络和图神经网络，结合GNN处理信息的能力和分段图像来保留区域数据，创造基于模拟交通场景的真实城市交通图像。该方法能够将结构化和可读性高的条件有效地转化为逼真的图像。该研究成果为交通图像数据集的应用提供了贡献，从数据增强到城市交通解决方案。论文还提供了一个应用程序来测试该模型的能力，包括生成具有各种实体的手动定义位置的图像。

该论文介绍了一种新的方法，通过从2D交通模拟和录制的路口画面中创建逼真的图片，来缩小“模拟-实际”之间的差距。该方法利用条件生成对抗网络和图神经网络，结合GNN处理信息的能力和分段图像来保留区域数据，创造基于模拟交通场景的真实城市交通图像。该研究成果为交通图像数据集的应用提供了贡献，从数据增强到城市交通解决方案。论文还提供了一个应用程序来测试该模型的能力。

该论文介绍了一种新的方法，通过从2D交通模拟和录制的路口画面中创建逼真的图片来缩小“模拟-实际”之间的差距。该方法利用条件生成对抗网络和图神经网络，结合GNN处理信息的能力和分段图像来保留区域数据，创造基于模拟交通场景的真实城市交通图像。论文还提供了一个应用程序来测试该模型的能力。