Terreno Fractal

Sou um estudante do ensino médio com um sonho de estudar fora do país. Desde criança me apaixonei por matemática, video games como Minecraft e música. Adoro passar meu tempo programando e tenho participado da olimpíada brasileira de informática (OBI).  

Tenho a visão de criar terrenos e biomas mais diversos e inclusivos para os jogos de videogame. Para alcançar esse objetivo, estou desenvolvendo uma nova estrutura de geração de terrenos que utiliza dados topográficos de países da América Latina e da Ásia para treinar uma IA (inteligência artificial) capaz de gerar paisagens realistas. Hoje, no ramo da computação gráfica, existe uma desproporcionalidade de terreno criado com base na Europa e na América do Norte. Pense nos filmes, séries, videogames de sucesso que mesmo se passando em mundos fictícios, tem sempre a mesma forma de terreno: planícies e montanhas alpinas. Sendo que no Brasil, por exemplo, sequer temos esse alpes. Pense que legal seria se tivéssemos mais mundos fictícios com a presença de serras, “mares de morros”, planaltos, escudos, chapadas, bacias, que só existem no Brasil. Eu tenho o objetivo de mostrar ao mundo o quão belo o nosso país e os países latinos são.

Ajude-me a tornar este projeto realidade financiando o hardware de computador necessário para o treinamento da IA. Conforme o projeto se desenvolverá, você vai receber atualizações através desse link.

Origem dos dados utilizados no treinamento:

O modelo utiliza dados provenientes da Shuttle Radar Topography Mission (SRTM), um programa da NASA que disponibiliza gratuitamente modelos digitais de elevação (DEM, Digital Elevation Models). Esses dados são de uso livre e sem restrições de licença, o que significa que podem ser utilizados em projetos de pesquisa e desenvolvimento. Ademais, como as imagens* representam exclusivamente a topografia da Terra, sem incluir construções artificiais ou informações protegidas por propriedade intelectual, não há possibilidade de disputas legais relacionadas ao uso dessas informações. Em outras palavras, todos os dados utilizados são de domínio público e livres de direitos autorais.

*Nota: embora nos refiramos a “imagens”, o que o modelo processa são, na verdade, modelos digitais de elevação (DEM), matrizes numéricas que representam a altitude do terreno em cada ponto da superfície terrestre.

Especificações de Hardware:

O objetivo do projeto é possibilitar a geração eficiente de topografia realista mesmo em computadores de desempenho intermediário. Contrário a modelos de linguagem de grande porte (LLMs), este projeto não exige hardware extremamente caro para ser treinado. Em geral, recomenda-se o uso de uma GPU com desempenho superior a 50 TFLOPS em precisão FP32 e pelo menos 16 GB de memória de vídeo. Um exemplo de placa que satisfaz essas condições é a rtx 5080, porém encoraja-se a sugestão de placas alternativas que tenham um custo por performance melhor.

Com esse nível de hardware, é possível acelerar de forma significativa o treinamento e os testes da rede neural, garantindo que a IA opere com alta eficiência durante sua implantação.

I am a high school student with a dream of studying abroad. Since childhood, I have been passionate about mathematics, video games like Minecraft, and music. I love spending my time programming, and I have participated in the Brazilian Olympiad in Informatics (OBI).

I have a vision of creating more diverse and inclusive terrains and biomes for video games. To achieve this goal, I am developing a new terrain generation framework that uses topographic data from countries in Latin America and Asia to train an AI (artificial intelligence) capable of generating realistic landscapes. Today, in the field of computer graphics, there is a disproportionate amount of terrain created based on Europe and North America. Think about the movies, TV series, and video games that, even when set in fictional worlds, almost always portray the same types of terrain: plains and alpine mountains. In Brazil, for example, we don’t even have Alps. How amazing would it be if we had more fictional worlds with the presence of mountain ranges, “seas of hills,” plateaus, shields, escarpments, and basins that exist only in Brazil? My goal is to show the world how beautiful our country and Latin American countries truly are.

Help me bring this project to life by funding the computer hardware necessary for training the AI. As the project develops, you will receive updates through this link.

Source of the Data Used in Training:

The model uses data from the Shuttle Radar Topography Mission (SRTM), a NASA program that freely provides Digital Elevation Models (DEMs). These datasets are open-access and license-free, meaning they can be used in research and development projects without legal restrictions.

Moreover, since the “images”* represent exclusively the Earth’s topography, without including artificial structures or any information protected by intellectual property rights, there is no possibility of legal disputes concerning their use. In other words, all data used are in the public domain and free from copyright.

*Note: Although we refer to them as “images,” what the model actually processes are Digital Elevation Models (DEMs) — numerical matrices that represent the elevation of the terrain at each point on the Earth’s surface.

Hardware Specifications

The goal of the project is to enable the efficient generation of realistic topography even on computers with mid-range performance.Unlike large language models (LLMs), this project does not require extremely expensive hardware to train. In general, it is recommended to use a GPU capable of delivering more than 50 TFLOPS of FP32 performance and with at least 16 GB of video memory.

An example of a GPU that meets these requirements is the RTX 5080, but you are encouraged to suggest alternatives that offer better cost-to-performance ratios.

With this level of hardware, it is possible to significantly accelerate the training and testing of the neural network, ensuring that the AI operates with high efficiency during deployment.