Isometric SF: перерисовка пиксельной карты малой моделью обошлась в 4 раза дешевле

Большая учит малую. Чавес сначала задал стиль через Nano Banana 2, затем обучил Qwen-Image-Edit-2511 воспроизводить его. Для финальной карты он обучил FLUX.2 Klein 4B на изображениях от Qwen. По расчёту автора, Klein воспроизводил стиль за четверть стоимости Qwen.

Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.

Для первого обучения хватило 45 перерисовок Nano Banana 2, из которых автор подготовил 225 примеров для заполнения участков изображения. Для Klein он собрал 1 460 изображений от Qwen и сделал 4 380 обучающих примеров с вариациями цвета. Стиль модели усваивали через LoRA, небольшую обучаемую надстройку.

В техническом разборе от 11 ноября Чавес сравнил скорость на H100: Qwen обрабатывал фрагмент карты за 3,9 секунды, Klein справлялся за 1 секунду. Чтобы соседние фрагменты стыковались, автор применил hemming: переход занимал около 64 пикселей вместо примерно 512 при обычном плавном смешивании.

Как повторить сборку. Автор опубликовал последовательность действий: выделить район в geojson.io, снять Google Photorealistic 3D Tiles через NASA 3DTilesRendererJS, three.js и Playwright, затем обучить модели для перерисовки. Для исходных 3D-данных нужны проект Google с подключённой оплатой, включённый Map Tiles API и API key.

На всю карту с повторными генерациями ушло примерно 177 тысяч изображений и 119 часов работы H100. Вместе с экспериментами автор потратил около 172 H100-часов, вычислительные кредиты предоставил Modal. Чавес назвал расходы около $600, а перерисовку всей карты через Nano Banana 2 оценил в $7 000.

Готовая карта принимает адреса и координаты в поиске. Клавиша H возвращает общий вид, R выбирает случайное место, а Share сохраняет ссылку на текущий вид.

Идею пиксельной карты города Чавес позаимствовал у проекта Isometric NYC.