वेक्टर मानचित्र से उपग्रह इमेजरी बनाना

यूके में शोधकर्ताओं ने एक एआई-आधारित इमेज सिंथेसिस सिस्टम विकसित किया है जो वेक्टर-आधारित मानचित्रों को उपग्रह-शैली की इमेजरी में परिवर्तित कर सकता है।

न्यूरल आर्किटेक्चर को सीमलेस सैटेलाइट-इमेज सिंथेसिस (एसएसएस) कहा जाता है, और यह वास्तविक आभासी वातावरण और नेविगेशन समाधानों की संभावना प्रदान करता है जो उपग्रह इमेजरी की तुलना में बेहतर रिज़ॉल्यूशन प्रदान कर सकते हैं; अधिक अद्यतन हैं (क्योंकि मानचित्र प्रणालियों को लाइव आधार पर अद्यतन किया जा सकता है); और उन क्षेत्रों में वास्तविक कक्षा शैली के दृश्यों को सुविधाजनक बना सकते हैं जहां उपग्रह सेंसर रिज़ॉल्यूशन सीमित है या अन्यथा उपलब्ध नहीं है।

रिज़ॉल्यूशन-मुक्त वेक्टर डेटा को अक्सर उपलब्ध वास्तविक उपग्रह इमेजरी की तुलना में बहुत अधिक छवि आकार में अनुवादित किया जा सकता है, और नेटवर्क-आधारित मानचित्रों में अद्यतनों को जल्दी से प्रतिबिंबित कर सकता है, जैसे कि नए अवरोधों या सड़क नेटवर्क बुनियादी ढांचे में परिवर्तन। स्रोत: https://arxiv.org/pdf/2111.03384.pdf

सिस्टम की शक्ति को प्रदर्शित करने के लिए, शोधकर्ताओं ने एक इंटरैक्टिव, गूगल अर्थ-शैली का वातावरण बनाया है जहां दर्शक ज़ूम इन और विभिन्न रेंडर स्केल और विवरण पर उत्पन्न उपग्रह इमेजरी का अवलोकन कर सकते हैं, जिसमें टाइलें लाइव अपडेट होती हैं जैसे कि पारंपरिक इंटरैक्टिव सिस्टम के लिए उपग्रह इमेजरी:

एक मानचित्र पर आधारित बनाए गए वातावरण में ज़ूमिंग। लेख के अंत में वीडियो देखें बेहतर रिज़ॉल्यूशन और प्रक्रिया के बारे में अधिक विवरण के लिए। स्रोत: https://www.youtube.com/watch?v=PqFySVpkZzg

इसके अलावा, चूंकि सिस्टम किसी भी वेक्टर-आधारित मानचित्र से उपग्रह-शैली की इमेजरी उत्पन्न कर सकता है, इसलिए यह सैद्धांतिक रूप से ऐतिहासिक, परियोजना या काल्पनिक दुनिया बनाने के लिए उपयोग किया जा सकता है, जो फ्लाइट सिम्युलेटर और आभासी वातावरण में शामिल किया जा सकता है। इसके अलावा, शोधकर्ता वेक्टर डेटा से पूरी तरह से 3डी आभासी वातावरण को सिंथेसाइज़ करने की उम्मीद करते हैं ट्रांसफॉर्मर का उपयोग करके।

निकट भविष्य में, लेखकों का मानना है कि उनके फ्रेमवर्क का उपयोग वास्तविक दुनिया के अनुप्रयोगों के लिए किया जा सकता है, जिनमें इंटरैक्टिव शहरी योजना और प्रक्रियात्मक मॉडलिंग शामिल हैं, जिसमें हितधारक एक मानचित्र को इंटरैक्टिव रूप से संपादित कर सकते हैं और परियोजनित क्षेत्र का एक पक्षी का दृश्य देख सकते हैं कुछ ही सेकंड में।

नई पेपर लीड्स विश्वविद्यालय के दो शोधकर्ताओं से आता है, और इसका शीर्षक सीमलेस सैटेलाइट-इमेज सिंथेसिस है।

एसएसएस आर्किटेक्चर लंदन को पुनर्निर्माण करता है, जिसमें पुनर्निर्माण को खिलाने वाले अंतर्निहित वेक्टर संरचना की एक झलक है। इनसेट ऊपर बाएं, पूरी छवि, 8k रिज़ॉल्यूशन में पूरक सामग्री में उपलब्ध है।

आर्किटेक्चर और स्रोत प्रशिक्षण डेटा

नया सिस्टम यूसीएल बर्कले के 2017 के पिक्स2पिक्स और एनवीडिया के एसपीएडीई इमेज सिंथेसिस आर्किटेक्चर का उपयोग करता है। फ्रेमवर्क में दो नए कन्वोल्यूशनल न्यूरल नेटवर्क हैं – मैप2सैट, जो वेक्टर से पिक्सेल-आधारित इमेजरी में परिवर्तन करता है; और सीम2कंट, जो न केवल 256×256 टाइल्स को एकत्र करने के लिए एक सीमलेस तरीका गणना करता है, बल्कि एक इंटरैक्टिव अन्वेषण वातावरण भी प्रदान करता है।

एसएसएस की आर्किटेक्चर।

सिस्टम वेक्टर दृश्यों और उनके वास्तविक जीवन उपग्रह समकक्षों पर प्रशिक्षण द्वारा उपग्रह दृश्यों को सिंथेसाइज़ करना सीखता है, जो वेक्टर फेसेट्स को फोटो-वास्तविक व्याख्याओं में व्याख्या करने के तरीके के बारे में एक सामान्य समझ बनाता है।

डेटासेट में उपयोग की जाने वाली वेक्टर-आधारित छवियां जियोपैकेज (.जियो) फाइलों से रास्टरीकृत होती हैं, जिनमें 13 वर्ग लेबल होते हैं, जैसे कि ट्रैक, प्राकृतिक वातावरण, भवन और सड़क, जो उपग्रह दृश्य में किस प्रकार की इमेजरी डालने का निर्णय लेने के लिए उपयोग किए जाते हैं।

रास्टरीकृत.जियो उपग्रह छवियों में स्थानीय समन्वय संदर्भ प्रणाली मेटाडेटा भी होता है, जो उन्हें व्यापक मानचित्र फ्रेमवर्क में संदर्भ में व्याख्या करने और उपयोगकर्ता को इंटरैक्टिव रूप से बनाए गए मानचित्रों को नेविगेट करने की अनुमति देने के लिए उपयोग किया जाता है।

सीमलेस टाइल्स अंतर्गत कठिन प्रतिबंध

एक्सप्लोरेबल मानचित्र वातावरण बनाना एक चुनौती है, क्योंकि हार्डवेयर सीमाएं परियोजना में टाइल्स को केवल 256 x 256 पिक्सेल के आकार तक सीमित करती हैं। इसलिए यह महत्वपूर्ण है कि रेंडरिंग या संरचना प्रक्रिया ‘बड़ी तस्वीर’ को ध्यान में रखती है, न कि केवल टाइल पर ध्यान केंद्रित करती है, जो टाइल्स को एकत्र करने पर जarring जोड़ देती है, जिसमें सड़कें अचानक रंग बदलती हैं और अन्य非-वास्तविक रेंडरिंग कलाकृतियां होती हैं।

इसलिए एसएसएस विभिन्न स्केल पर सामग्री की विविधता को उत्पन्न करने के लिए एक स्केल-स्पेस हाइरार्की का उपयोग करता है जनरेटर नेटवर्क, और सिस्टम को किसी भी मध्यवर्ती स्केल पर टाइल्स का मूल्यांकन करने में सक्षम है जिसे दर्शक की आवश्यकता हो सकती है।

आर्किटेक्चर का सीम2कंट खंड मैप2सैट आउटपुट की दो ओवरलैपिंग और स्वतंत्र परतों का उपयोग करता है, और व्यापक छवि के संदर्भ में एक उपयुक्त सीमा की गणना करता है जिसे प्रस्तुत किया जाना है:

सीम2कंट मॉड्यूल मैप2सैट नेटवर्क से एक छवि का उपयोग करता है जिसमें टाइल की सीम होती है और एक छवि जिसमें सीम नहीं होती है, 256×256 पिक्सेल जेनरेट की गई टाइल्स के बीच सीमलेस सीमा की गणना करने के लिए।

मैप2सैट नेटवर्क एक पूर्ण-स्पेड नेटवर्क का एक अनुकूलित अनुकूलन है, जो विशेष रूप से 256×256 पिक्सेल पर प्रशिक्षित है। लेखकों का उल्लेख है कि यह एक हल्का और चंचल कार्यान्वयन है, जो केवल 31.5mb के वजन के साथ आता है, जबकि एक पूर्ण स्पेड नेटवर्क में 436.9mb है।

3000 वास्तविक उपग्रह छवियों का उपयोग दो उप-नेटवर्कों को 70 प्रशिक्षण युगों में प्रशिक्षित करने के लिए किया गया था; सभी छवियों में समान सेमांटिक जानकारी (अर्थात् ‘सड़कों’ जैसे चित्रित वस्तुओं की एक निम्न-स्तरीय अवधारणात्मक समझ) और जियो-आधारित स्थिति मेटाडेटा होता है।

अधिक सामग्री परियोजना पृष्ठ पर उपलब्ध है, साथ ही एक साथी वीडियो (नीचे एम्बेडेड) भी है।