Yo pienso que puedes dividir la escena en "planos",en primer plano los edificios en los que se va a percibir el detalle y en los de fondo reducir ese detalle para ahorrar memoria,serán sólo cajas con textura.Si además desenfocas el fondo no necesitas tanto detalle en todo.Incluso un plano detrás del fondo en que los edificios son una imagen plana.
Es un poco como los decorados del oeste,si sólo se van a ver las fachadas no hay por que construir el edificio entero.Es economía de produción.
Ahora bien si necesitas hacer una toma de un vuelo por una vastísima ciudad superdetallada.....pues a comprar un silicon graphics
En todo caso,a la hora de repetir un objeto,si se hace como instancias ocupa menos memoria.