地形扩散网络：基于地质草图引导的气候感知地形生成
计算机视觉与模式识别
2024-03-15 v1 人工智能
多媒体
摘要
基于草图的地形生成旨在为计算机游戏、动画和虚拟现实等各类应用中的虚拟环境创建真实景观。近来，基于深度学习的地形生成方法涌现，尤其是基于生成对抗网络（GAN）的方法。然而，这些方法常难以满足灵活用户控制的要求，并维持生成真实地形的多样性。因此，我们提出一种新颖的基于扩散的方法，即地形扩散网络（TDN），其主动结合用户引导以增强可控性，并考虑河流、山脊、盆地和山峰等地形特征。不同于传统的整体去噪过程（常损害地形细节保真度或与用户控制的对齐），我们提出一种多级去噪方案，通过考虑细粒度细节（特别是那些受侵蚀和构造活动影响的气候模式相关细节）生成更真实的地形。具体而言，设计了三个分别用于结构级、中间级和细粒度级去噪的地形合成器，使每个合成器专注于不同的地形方面。此外，为最大化 TDN 效率，我们进一步为合成器引入带有预训练地形自编码器的地形与草图潜在空间。在新构建的源自 NASA 拓扑图像的数据集上的综合实验清晰展示了我们所提方法的有效性，取得了最先进（SOTA）性能。我们的代码与数据集将公开可用。
引用
@article{arxiv.2308.16725,
title = {Terrain Diffusion Network: Climatic-Aware Terrain Generation with Geological Sketch Guidance},
author = {Zexin Hu and Kun Hu and Clinton Mo and Lei Pan and Zhiyong Wang},
journal= {arXiv preprint arXiv:2308.16725},
year = {2024}
}