Talus
一个2300万参数的轻量级扩散模型，专用于程序化游戏地形高度图生成，支持在浏览器端通过WebGPU进行推理，采用U-Net架构和DDIM采样
时间轴 (近 90 天)
Talus是一个仅有2300万参数的扩散模型，能在浏览器里通过WebGPU实时生成游戏地形高度图
Talus是开发者osfv发布在Reddit上的开源项目
Talus生成的是64×64的高度图，对应现实尺度约4公里范围、最高1200米的地形
Talus的生成过程可由地形类型和五项可测量属性（平均海拔、起伏度、平均坡度、水域占比、频谱斜率）的任意子集控制
每个属性配有一个可学习的unknown嵌入向量，并在训练阶段被独立随机丢弃，使推理时无论指定或留空哪几项模型都能工作
Talus模型在一张RTX 5060（8GB显存）上从零训练，跨多个版本累计约4.5小时
训练数据是作者用程序化生成器产出的45,000张地图，生成管线包括fBm/ridged噪声、河流侵蚀、坡面扩散和热侵蚀等地貌模拟算法
Talus模型架构采用像素空间的U-Net、v-prediction目标、余弦噪声调度，采样用50步DDIM配合二次间距，并使用强度为2.0的无分类器引导
通过生成被起伏度归一化后的相对高度地形形状并由采样器放置到目标海拔，平原距离比值从3.98降到1.23
Talus的评估方法是将所有距离指标除以两组互不相交真实地图之间的距离作为噪声基线，1.0意味着生成结果与真实地图不可区分
还有 5 条时间轴事件
全部知识事实 (15)
小扩散模型在高频细节上普遍力不从心，Talus存在山脊线和最细频谱带难以还原、山地过平滑、平原偏颗粒感的问题
50%待验证Talus是开发者osfv发布在Reddit上的开源项目
50%待验证Talus生成的是64×64的高度图，对应现实尺度约4公里范围、最高1200米的地形
50%待验证Talus的生成过程可由地形类型和五项可测量属性（平均海拔、起伏度、平均坡度、水域占比、频谱斜率）的任意子集控制
50%待验证每个属性配有一个可学习的unknown嵌入向量，并在训练阶段被独立随机丢弃，使推理时无论指定或留空哪几项模型都能工作
50%待验证Talus模型在一张RTX 5060（8GB显存）上从零训练，跨多个版本累计约4.5小时
50%待验证训练数据是作者用程序化生成器产出的45,000张地图，生成管线包括fBm/ridged噪声、河流侵蚀、坡面扩散和热侵蚀等地貌模拟算法
50%待验证Talus模型架构采用像素空间的U-Net、v-prediction目标、余弦噪声调度，采样用50步DDIM配合二次间距，并使用强度为2.0的无分类器引导
50%待验证通过生成被起伏度归一化后的相对高度地形形状并由采样器放置到目标海拔，平原距离比值从3.98降到1.23
50%待验证Talus的评估方法是将所有距离指标除以两组互不相交真实地图之间的距离作为噪声基线，1.0意味着生成结果与真实地图不可区分
50%待验证当前Talus模型在测试集上的表现为：度量W1距离是基线的1.51倍，频谱9.1倍，坡度1.65倍
50%待验证Talus导出为ONNX格式，权重以fp16存储加载时转回fp32，通过ONNX Runtime Web跑在WebGPU上，在RTX 5060上约3秒生成一张地图，并提供CPU回退方案
50%待验证作者用JavaScript重新实现了采样器，并验证其输出在参考样本上与PyTorch版本的差异控制在0.6米以内
50%待验证Talus是一个仅有2300万参数的扩散模型，能在浏览器里通过WebGPU实时生成游戏地形高度图
50%待验证Talus项目已在talus.tersa.tech提供在线Demo，代码、权重与评分卡以Apache-2.0协议开源在GitHub
50%