InfiniteDiffusion：桥接学习保真度与程序化实用性，用于开放世界地形生成

# InfiniteDiffusion 来源：https://xandergos.github.io/terrain-diffusion/ 地形扩散世界可视化 ## InfiniteDiffusion：弥合学习逼真度与程序化实用性之间的鸿沟，实现开放世界地形生成 SIGGRAPH 2026 ## 摘要 几十年来，程序化世界一直建立在诸如 Perlin 噪声等程序化噪声函数之上。这些函数快速且无限，但在真实感和大规模连贯性方面存在根本性局限。相反，扩散模型提供了前所未有的逼真度，但通常仍局限于有界画布。我们提出了 InfiniteDiffusion，这是一种无需训练的算法，它将扩散采样重构为惰性且无界的生成方式，从而弥合了扩散模型的逼真度与程序化噪声不可或缺的特性（无缝无限范围、种子一致性以及常数时间随机访问）之间的鸿沟。为了展示这种方法的实用性，我们提出了 Terrain Diffusion，这是一个用于学习驱动程序化地形生成的框架，具有类似程序化噪声的接口。我们的框架在消费级 GPU 上比轨道速度快 9 倍，能够以交互速率生成逼真的地形。我们集成了一个分层堆叠的扩散模型，以将行星尺度的上下文与局部细节耦合起来；一个紧凑的拉普拉斯编码，以在地球尺度动态范围内稳定输出；以及一个开源无限张量框架，用于对无界张量进行常量内存操作。这些组件共同将扩散模型定位为下一代无限虚拟世界的实用基础。 在此之前，内容生成面临一个根本性的**三难困境：无限范围、无状态生成和学习驱动的逼真度——三者只能选其二**。扩散模型实现了逼真度，但受限于有界范围。经典的程序化噪声是无限且无状态的，但无法学习。自回归外推允许学习驱动的无界生成，但需要共享的全局状态，这排除了确定性和随机访问。 **InfiniteDiffusion打破了这个三难困境**，它将任何扩散模型转化为一个无限、逻辑上无状态的数组，仅通过种子和坐标索引，支持 O(1) 随机访问、完全确定性和易并行计算。它在内部仅使用一个有界的 LRU 缓存作为性能优化，无需持久或外部状态。 InfiniteDiffusion 通过将 MultiDiffusion 推广到无限或大于内存的领域来实现这一目标，它作为一个即插即用的替代方案，将扩散过程重构为一种惰性计算：仅在请求时生成您所请求的区域。 下面的每张图片都对比了**MultiDiffusion**（上方）和**InfiniteDiffusion**（下方）。MultiDiffusion 在预定义、急切生成且有界的画布上运行，而 InfiniteDiffusion 没有此类限制。与 MultiDiffusion 相比，InfiniteDiffusion 几乎没有质量下降，同时提供了无限、无状态和惰性生成的优势。 ### 与自回归对比 对于无界或惰性生成，唯一的竞争范式是自回归，但它存在根本性的局限性，InfiniteDiffusion 完全避免了这些局限性： | 特性 | 自回归 | InfiniteDiffusion | | :--- | :--- | :--- | | 随机访问 | O(n) | O(1) | | 确定性 | 否；顺序依赖 | 是；顺序无关 | | 误差 | 累积误差 | 无累积 | | 并行化 | 顺序执行 | 易并行计算 | | 状态 | 全局有状态 | 功能性无状态 | | 无需训练 | 否 | 是 | ## Terrain Diffusion **Terrain Diffusion 是首个学习驱动的程序化地形生成器。** 我引入了一种技术，使扩散模型能够生成跨越巨大动态范围的输出，从马里亚纳海沟的 -10000 米到珠穆朗玛峰的近 9000 米，全部在一个世界中实现。但仅有垂直尺度还不够。通过利用级联的扩散模型，Terrain Diffusion **生成跨越数百公里真实世界的特征**，大陆面积达数百万平方公里。下面的每张 1024x1024 地形高程图宽度覆盖 100 公里。而且它**在消费级硬件上本地运行**。 **基于 InfiniteDiffusion，Terrain Diffusion继承了其所有特性：** 它在功能上是无状态的，可以轻松集成到任何游戏引擎中，几乎没有实际限制。为了证明这一点，它被作为一个开源 **Minecraft 模组**（https://github.com/xandergos/terrain-diffusion-mc）发布，无外部依赖。世界可以通过种子共享，玩家可以瞬间传送数百万英里，并且支持多人游戏。同时也在 Unity 中进行了演示，玩家能够在消费级硬件上以轨道速度的 3 倍舒适地飞越世界。 技术演示（Unity + Minecraft） （电影级）模组展示由 AsianHalfSquat (https://www.youtube.com/@AsianHalfSquat) 提供 ## BibTeX ``` @inproceedings{goslin2026infinitediffusion, author = {Goslin, Alexander}, title = {InfiniteDiffusion: Bridging Learned Fidelity and Procedural Utility for Open-World Terrain Generation}, booktitle = {Special Interest Group on Computer Graphics and Interactive Techniques Conference Conference Papers}, year = {2026}, pages = {10 pages}, publisher = {ACM}, address = {New York, NY, USA}, doi = {10.1145/3799902.3811080}, url = {https://doi.org/10.1145/3799902.3811080}, series = {SIGGRAPH Conference Papers '26} } ```