Isometric NYC
4 months ago
- #AI
- #Creativity
- #GenerativeModels
- 作者启动了一个利用生成式AI模型创建纽约市等距像素艺术地图的项目。
- AI编程代理（如Claude Code、Gemini CLI和Cursor）被大量使用，减少了手动编码的需求。
- 最初尝试使用CityGML数据，后改用Google Maps 3D tiles API以获得更好的一致性。
- 初期使用Nano Banana Pro进行图像生成，但发现其不稳定且成本高昂，最终改为微调Qwen/Image-Edit模型。
- 开发了'填充'策略，通过错开相邻瓦片确保无缝生成。
- 创建了多个微工具来处理不同任务，如可视化瓦片、分类水域和生成训练数据。
- 尽管有AI辅助，水域和树木等边缘情况仍需人工干预。
- 扩展阶段使用Lambda AI实现更快、更便宜的模型推理，支持并行生成瓦片。
- 自动化挑战凸显了当前AI在理解复杂算法和图像编辑方面的局限性。
- 最终应用采用OpenSeaDragon展示生成的瓦片，但仍存在性能问题。
- 关键收获：AI在减少重复劳动和开启新创意可能方面具有变革潜力，但当前图像模型仍缺乏可靠性和编辑能力。