Արհեստական բանականություն
Արբանյակային պատկերների ստեղծում վեկտորային քարտեզներից
Մեծ Բրիտանիայի հետազոտողները մշակել են արհեստական ինտելեկտի վրա հիմնված պատկերների սինթեզի համակարգ, որը կարող է վեկտորի վրա հիմնված քարտեզները վերածել արբանյակային պատկերների թռիչքի ժամանակ:
Նյարդային ճարտարապետությունը կոչվում է Անխափան արբանյակային պատկերների սինթեզ (SSS) և առաջարկում է իրատեսական վիրտուալ միջավայրերի և նավիգացիոն լուծումների հեռանկար, որոնք ունեն ավելի լավ լուծում, քան արբանյակային պատկերները կարող են առաջարկել. ավելի արդիական են (քանի որ քարտեզագրական քարտեզների համակարգերը կարող են թարմացվել կենդանի հիմունքներով); և կարող է հեշտացնել իրատեսական ուղեծրի ոճով դիտումները այն տարածքներում, որտեղ արբանյակային սենսորների լուծումը սահմանափակ է կամ այլ կերպ անհասանելի է:
Առանց լուծաչափի վեկտորային տվյալները կարող են թարգմանվել պատկերների շատ ավելի մեծ չափերի, քան հաճախ հասանելի են իրական արբանյակային պատկերներից, և կարող են արագ արտացոլել ցանցի վրա հիմնված քարտեզագրական քարտեզների թարմացումները, ինչպիսիք են նոր խոչընդոտները կամ ճանապարհային ցանցի ենթակառուցվածքի փոփոխությունները: Աղբյուր՝ https://arxiv.org/pdf/2111.03384.pdf
Համակարգի հզորությունը ցուցադրելու համար հետազոտողները ստեղծել են ինտերակտիվ, Google Earth-ի ոճով միջավայր, որտեղ դիտողը կարող է մեծացնել և դիտել ստեղծված արբանյակային պատկերները տարբեր մասշտաբներով և մանրամասներով, իսկ սալիկները թարմացվում են գրեթե նույն ձևով: Արբանյակային պատկերների համար սովորական ինտերակտիվ համակարգեր.
Ստեղծված միջավայրի խոշորացում՝ քարտեզագրական քարտեզի հիման վրա: Տես տեսանյութը հոդվածի վերջում՝ ավելի լավ լուծման և գործընթացի մասին ավելի մանրամասնելու համար: Աղբյուր՝ https://www.youtube.com/watch?v=PqFySVpkZzg
Ավելին, քանի որ համակարգը կարող է արբանյակային պատկերներ ստեղծել ցանկացած վեկտորի վրա հիմնված քարտեզից, այն տեսականորեն կարող է օգտագործվել պատմական, նախագծված կամ ֆիկտիվ աշխարհներ կառուցելու համար՝ թռիչքի սիմուլյատորներում և վիրտուալ միջավայրերում ներառելու համար: Բացի այդ, հետազոտողները ակնկալում են ամբողջովին 3D վիրտուալ միջավայրերի սինթեզավորում քարտեզագրական տվյալներից՝ օգտագործելով տրանսֆորմատորներ:
Մոտ ապագայում, հեղինակները կարծում են, որ դրանց շրջանակը կարող է օգտագործվել իրական աշխարհի մի շարք ծրագրերի համար, ներառյալ ինտերակտիվ քաղաքային պլանավորումը և ընթացակարգային մոդելավորումը, նախատեսելով մի սցենար, որտեղ շահագրգիռ կողմերը կարող են ինտերակտիվ կերպով խմբագրել քարտեզը և տեսնել թռչունների պատկերները: կանխատեսվող տեղանքը վայրկյանների ընթացքում:
Նոր թուղթ գալիս է Լիդսի համալսարանի երկու հետազոտողների կողմից և վերնագրված է Անխափան արբանյակային պատկերների սինթեզ.
SSS-ի ճարտարապետությունը վերստեղծում է Լոնդոնը՝ հայացք նետելով հիմքում ընկած վեկտորային կառուցվածքին, որը սնուցում է վերակառուցումը: Տեղադրեք վերևի ձախ կողմում, ամբողջ պատկերը, հասանելի է լրացուցիչ նյութերում 8k լուծաչափով:
Ճարտարապետության և աղբյուրների վերապատրաստման տվյալներ
Նոր համակարգը օգտագործում է UCL Berkeley-ի 2017 թ Pix2Pix և NVIDIA-ի ԲԱ պատկերների սինթեզի ճարտարապետություն. Շրջանակը պարունակում է երկու նոր կոնվոլյուցիոն նեյրոնային ցանցեր. map2sat, որն իրականացնում է վեկտորից պիքսելային պատկերների փոխակերպում; և seam2cont, որը ոչ միայն հաշվարկում է 256×256 սալիկները հավաքելու անխափան մեթոդ, այլ նաև ապահովում է ինտերակտիվ հետազոտական միջավայր:
ՈՒԳԸ-ի ճարտարապետությունը.
Համակարգը սովորում է սինթեզել արբանյակային դիտումները՝ վարժեցնելով վեկտորային տեսարանները և դրանց իրական արբանյակային համարժեքները՝ ձևավորելով ընդհանրացված պատկերացում, թե ինչպես վերծանել վեկտորային կողմերը ֆոտո-իրական մեկնաբանությունների:
Տվյալների հավաքածուում օգտագործվող վեկտորի վրա հիմնված պատկերները ռաստերացված են GeoPackage (.geo) ֆայլերից, որոնք պարունակում են մինչև 13 դասի պիտակներ, ինչպիսիք են. ռելսեր, բնական միջավայր, շենք և ճանապարհ, որոնք օգտագործվում են արբանյակային դիտման մեջ տեղադրվող պատկերների տեսակի որոշման հարցում:
Rasterized .geo արբանյակային պատկերները նաև պահպանում են տեղական կոորդինատների տեղեկատու համակարգի մետատվյալները, որոնք օգտագործվում են դրանք մեկնաբանելու համատեքստում ավելի լայն քարտեզի շրջանակում և թույլ են տալիս օգտվողին ինտերակտիվ կերպով նավարկելու ստեղծված քարտեզները:
Անխափան սալիկներ կոշտ սահմանափակումների ներքո
Քարտեզների ուսումնասիրելի միջավայրերի ստեղծումը մարտահրավեր է, քանի որ նախագծում ապարատային սահմանափակումները սահմանափակում են սալիկները միայն 256 x 256 պիքսել չափերով: Հետևաբար, կարևոր է, որ կա՛մ մատուցման, կա՛մ կոմպոզիցիայի գործընթացը հաշվի առնի «ավելի մեծ պատկերը»՝ բացառապես ձեռքի տակ գտնվող սալիկի վրա կենտրոնանալու փոխարեն, ինչը կհանգեցնի անբարենպաստ համադրումների, երբ սալիկները համադրվում են, ճանապարհները հանկարծ փոխում են գույնը և այլ ոչ: - իրատեսական մատուցման արտեֆակտներ:
Հետևաբար, SSS-ն օգտագործում է գեներատորների ցանցերի մասշտաբային տարածության հիերարխիա՝ տարբեր մասշտաբներով բովանդակության տատանումներ առաջացնելու համար, և համակարգը կարող է կամայականորեն գնահատել սալիկները ցանկացած միջանկյալ մասշտաբով, որը կարող է անհրաժեշտ լինել դիտողին:
Ճարտարապետության seam2cont հատվածը օգտագործում է map2sat ելքի երկու համընկնող և անկախ շերտեր և հաշվարկում է համապատասխան եզրագիծ ավելի լայն պատկերի համատեքստում, որը պետք է ներկայացվի.
Seam2cont մոդուլն օգտագործում է մեկ պատկեր՝ սալիկապատ կարով և մեկը՝ առանց կարերի map2sat ցանցից՝ 256×256 պիքսել գեներացվող սալիկների միջև անխափան սահմանները հաշվարկելու համար:
Map2sat ցանցը լիարժեք SPADE ցանցի օպտիմիզացված ադապտացիա է, որը բացառապես պատրաստված է 256×256 պիքսելներով: Հեղինակները նշում են, որ սա թեթև և ցայտուն իրականացում է, որը հանգեցնում է ընդամենը 31.5 մբ-ի դիմաց 436.9 մբ-ի ամբողջական SPADE ցանցում:
3000 իրական արբանյակային պատկերներ օգտագործվել են երկու ենթացանցերը վարժեցնելու համար 70 ժամանակաշրջանի վերապատրաստման ժամանակ; բոլոր պատկերները պարունակում են համարժեք իմաստային տեղեկատվություն (այսինքն՝ պատկերված օբյեկտների ցածր մակարդակի հայեցակարգային ըմբռնում, ինչպիսիք են «ճանապարհները»), և աշխարհագրական դիրքավորման մետատվյալներ:
Լրացուցիչ նյութերը հասանելի են նախագծի էջում, ինչպես նաև կից տեսանյութը (ներկառուցված ստորև):
