map3d 開源 3D 城市地圖生成工具技術解析

技術背景

傳統 3D 城市模型製作流程繁瑣，需要手動建模或購買付費資料源（如 ArcGIS Urban），且專有格式難以跨工具流通；既有免費方案（Google Earth 3D、Cesium OSM Buildings）存在需登入、無直接 GLB 導出、格式複雜等門檻。

建構一個零門檻的 Web 工具，讓使用者在地圖上框選區域後，於數秒內生成可直接匯入主流 3D 軟體的城市模型，將原本耗時數週的工作壓縮到秒級。

- 閱讀剩餘部分 -

在這裡面我們來探討如何使用 cv 分析城市演化，話句話說就是分析城市規模變化

衛星影像的三個低成本量化指標（無需深度學習）

系列 B 第一篇：運用 Canny 邊緣偵測、Otsu 二值化、Shannon 紋理熵這三項傳統電腦視覺技巧，將衛星影像壓縮為三個可橫向比較的數值。每個指標的核心邏輯不超過 10 行程式碼，處理 8 年 × 44 張影像耗時不到一分鐘。

一、而為何不直接採用深度學習

在進行衛星影像的城市量化分析時，往往是第一直覺「丟進 ResNet 抽取特徵」或「用 U-Net 做建築分割」。然而，這條路徑存在幾個現實層面的問題：

- 閱讀剩餘部分 -

將之前做的產圖寫一份報告

整個 pipeline 拆成三層：

  • 訓練端（kohya_ss + 自製多姿勢 base img2img）
  • 出圖端（ComfyUI A+B+F workflow：LoRA → Hi-Res Fix → FaceDetailer）
  • 操作端（Streamlit 角色管線）。

資料源是單一 YAML，從外觀 prompt、表情、CG 階段、LoRA，檔名全部寫在一處，下游全靠 loader 拼裝。

- 閱讀剩餘部分 -

  1. 1
  2. 2
  3. 3
  4. 4
  5. ...
  6. 26