TerrainSR, 100m yükseklik haritalarını bir saniyenin altında gerçekçi 10m araziye dönüştürüyor

Yükseklik verisi için bir super-resolution modeli

TerrainSR, arazi yükseklik haritaları üzerinde super-resolution işlemi yapan yeni yayınlanmış bir model: düşük detaylı, tipik olarak 100 metre çözünürlüklü bir yükseklik ızgarası alıyor ve kaba girdinin hiç içermediği ince yüzey detayını üreterek 10 metre çözünürlükte gerçekçi bir versiyon oluşturuyor. Model, yazarı tarafından joe-gibbs kullanıcı adıyla Hugging Face üzerinde yayınlandı ve Hacker News ana sayfasında öne çıkarıldı.

Modelin Hugging Face sayfasına göre ağ, eşleştirilmiş 100m ve 10m yükseklik verisi çiftleriyle eğitildi. 100m veya daha ince çözünürlüklü girdiler iyi çalışıyor — model 10m'nin ötesinde bile detay ekstrapole edebiliyor — ancak 100m eğitim verisinden daha kaba bir girdi verildiğinde kalite bozuluyor.

Bir oyun için geliştirildi, medeniyeti atlayacak şekilde eğitildi

Yazar, TerrainSR'yi gerçek dünya ölçeğinde geçen bir tarihi strateji oyunundaki somut bir sorunu çözmek için geliştirdi: Avrupa'nın 100m haritasını kullanılabilir kılmak. Yazarın tahminine göre kıtanın doğal 10m veri seti yüzlerce gigabayt yer kaplayacak ve yollar, limanlar ve muhtemelen binalar gibi günümüz ögelerini ayıklamak için kapsamlı manuel temizlik gerektirecekti. Daha kaba 100m veri ise hem kompakt hem de bu detayları doğal olarak bulanıklaştırıyor ve modelin üzerine inandırıcı arazi sentezlemesi için alan bırakıyor. Yazarın dikkat çektiği bir tuhaflık: çok büyük binaların kaba veride dik yükseklik sivri uçları bıraktığı yerlerde model bunları tepe olarak gösterebiliyor.

Öne çıkan iki seçim daha var. Eğitim verisi bilinçli olarak şehirleri, madenleri ve diğer insan tarafından değiştirilmiş toprakları dışlıyor, dolayısıyla üretilen çıktı bu özelliklerden hiçbirini içermiyor. Ayrıca yazar, modeli büyük arazilerde erozyon simüle etmeye dayalı klasik alternatiften daha hızlı ve daha çeşitli olarak konumlandırıyor.

Gerçek zamanlı kullanım için yeterince hızlı

Manşet rakam hız. RTX 4070 üzerinde TerrainSR, model yüklendikten sonra 50'e 50 kilometrelik bir parçayı 100m'den 10m çözünürlüğe 0.74 saniyede dönüştürüyor — yazarın bu performansın oyunlar gibi gerçek zamanlı kullanım senaryolarının kapısını açtığını söylüyor.

Nasıl çalıştırılır

Yayın, Python 3.10 veya daha yenisini ve PyTorch 2.6 veya daha yenisini gerektiriyor; NVIDIA GPU'lar için CUDA build önerilir, CPU inference desteklenir ama daha yavaştır. Kullanıcılar iki girdi sağlar: 100m ızgarada metre cinsinden yüksekliklerden oluşan bir 2D dizi ve 1 suyu, 0 karayı işaret eden, yükseklik dizisinin satır ve sütun sayısının on katı büyüklüğünde, 10m ızgarada bir su maskesi.

Model her tarafta 3.2 km'lik çevre bağlamı bekliyor ve crop=32 ayarı, sonuçtaki her kenardan bu 32 bağlam hücresini çıkarıyor. 100m'de 104x104'lük bir girdi, 1040x1040'lük bir su maskesiyle birleştirildiğinde 10m'de 400x400'lük bir çıktı — yani 4x4 km'lik bir parça — üretiyor. Girdi boyutları çift olmalı ve kenar başına 564 hücreyi geçmemelidir; sonuç, metre cinsinden yüksekliklerden oluşan bir float32 dizisidir. Hem bir komut satırı betiği hem de kısa bir Python API'si dahildir ve tekrarlanabilir sonuçlar için bir seed argümanı vardır.

Lisans ve eğitim verisi

Model ağırlıkları ve inference kodu Apache 2.0 ile sunuluyor; bu lisans, lisans ve atıf bildirimleri yeniden dağıtılan kopyalarla birlikte geldiği sürece kullanıma, değiştirmeye ve yeniden dağıtmaya — ticari projeler dahil — izin veriyor. Temeldeki jeoveri ise ayrı koşullar taşıyor: eğitim verisi swisstopo, Kartverket, IGN ve USGS kaynaklıyken, girdi ve maskeleri Copernicus DEM, ESA WorldCover ve OpenStreetMap sağlamış.

Neden önemli

Yükseklik çözünürlüğü her zaman sadelik, depolama ve manuel emek arasında bir dengelenme gerektirmiştir. Oyun ve simülasyon geliştiricileri tipik olarak devasa yüksek çözünürlüklü veri setleri sunmak, araziyi prosedürel olarak üretmek veya bulanık interpolasyonu kabul etmek arasında seçim yapar. 50 km'lik bir parçayı bir saniyenin altında 10m detaya dönüştüren öğrenilmiş bir upscaler bu ekonomiyi değiştiriyor: kompakt kaba veri, hatta runtime sırasında bile talep üzerine genişletilebilir.

Artifact-aware eğitim, modern altyapı çıktıda tamamen yok olduğu için, tarihi veya el değmemiş peyzajları yeniden inşa eden herkes için pratik bir dokunuş. Ve izin verici bir lisans ile basit, NumPy tabanlı bir arayüz sayesinde hem oyun stüdyoları hem de jeouzamsal araçlar için eşik düşük — yine de modelle birlikte kullanıcıların yeniden dağıttığı veriler, kaynak yükseklik veri setlerinin şartlarına tabi olmaya devam ediyor.