MESA: Text-Driven Terrain Generation Using Latent Diffusion and Global Copernicus Data

要約

地形モデリングは、伝統的に手続き的手法に依存してきました。これは、多くの場合、広範なドメインの専門知識と手作りのルールが必要です。
この論文では、グローバルなリモートセンシングデータに関する拡散モデルをトレーニングすることにより、新しいデータ中心の代替品であるMESAを提示します。
このアプローチは、大規模な地理空間情報を活用して、テキストの説明から高品質の地形サンプルを生成し、地形生成の柔軟でスケーラブルなソリューションを紹介します。
モデルの機能は、広範な実験を通じて実証され、現実的で多様な地形の景観を生み出す能力を強調しています。
この作業をサポートするために作成されたデータセットであるTom Core-Dem拡張データセットの主要なものは、グローバルな地形データの包括的なリソースとして公然とリリースされています。
結果は、リモートセンシングデータでトレーニングされたデータ駆動型モデルが、現実的な地形モデリングと生成のための強力なツールを提供できることを示唆しています。

要約(オリジナル)

Terrain modeling has traditionally relied on procedural techniques, which often require extensive domain expertise and handcrafted rules. In this paper, we present MESA – a novel data-centric alternative by training a diffusion model on global remote sensing data. This approach leverages large-scale geospatial information to generate high-quality terrain samples from text descriptions, showcasing a flexible and scalable solution for terrain generation. The model’s capabilities are demonstrated through extensive experiments, highlighting its ability to generate realistic and diverse terrain landscapes. The dataset produced to support this work, the Major TOM Core-DEM extension dataset, is released openly as a comprehensive resource for global terrain data. The results suggest that data-driven models, trained on remote sensing data, can provide a powerful tool for realistic terrain modeling and generation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google