ປັນຍາປະດິດ
ການສ້າງຮູບພາບດາວທຽມຈາກແຜນທີ່ vector
ນັກຄົ້ນຄວ້າໃນປະເທດອັງກິດໄດ້ພັດທະນາລະບົບການສັງເຄາະຮູບພາບທີ່ອີງໃສ່ AI ທີ່ສາມາດປ່ຽນແຜນທີ່ທີ່ອີງໃສ່ vector ເຂົ້າໄປໃນຮູບພາບແບບດາວທຽມໃນເວລາບິນ.
ສະຖາປັດຕະຍະກໍາ neural ເອີ້ນວ່າ ການສັງເຄາະພາບດາວທຽມແບບບໍ່ມີຮອຍຕໍ່ (SSS), ແລະສະເຫນີຄວາມສົດໃສດ້ານຂອງສະພາບແວດລ້ອມ virtual ທີ່ແທ້ຈິງແລະການແກ້ໄຂການນໍາທາງທີ່ມີຄວາມລະອຽດດີກວ່າຮູບພາບດາວທຽມສາມາດສະເຫນີ; ມີຄວາມທັນສະ ໄໝ ຫຼາຍຂຶ້ນ (ນັບຕັ້ງແຕ່ລະບົບແຜນທີ່ຮູບແຕ້ມສາມາດປັບປຸງໄດ້ບົນພື້ນຖານສົດ); ແລະສາມາດອຳນວຍຄວາມສະດວກໃນການເບິ່ງແບບວົງໂຄຈອນຕາມຄວາມເປັນຈິງໃນພື້ນທີ່ທີ່ຄວາມລະອຽດຂອງເຊັນເຊີດາວທຽມຖືກຈຳກັດ ຫຼືບໍ່ມີໃຫ້ນຳໃຊ້.
ເພື່ອສະແດງໃຫ້ເຫັນເຖິງພະລັງຂອງລະບົບ, ນັກຄົ້ນຄວ້າໄດ້ສ້າງສະພາບແວດລ້ອມແບບໂຕ້ຕອບແບບ Google Earth ທີ່ຜູ້ເບິ່ງສາມາດຊູມເຂົ້າແລະສັງເກດເຫັນຮູບພາບດາວທຽມທີ່ສ້າງຂຶ້ນໃນຄວາມຫລາກຫລາຍຂອງຂະຫນາດ render ແລະລາຍລະອຽດ, ດ້ວຍກະເບື້ອງການປັບປຸງສົດໃນລັກສະນະດຽວກັນ. ວິທີການເປັນລະບົບການໂຕ້ຕອບແບບດັ້ງເດີມສໍາລັບຮູບພາບດາວທຽມ:
ນອກຈາກນັ້ນ, ເນື່ອງຈາກວ່າລະບົບສາມາດສ້າງຮູບພາບແບບດາວທຽມຈາກແຜນທີ່ທີ່ອີງໃສ່ vector ໃດ, ໃນທາງທິດສະດີສາມາດຖືກນໍາໃຊ້ເພື່ອສ້າງໂລກປະຫວັດສາດ, ການຄາດຄະເນຫຼືການສົມມຸດຕິຖານ, ສໍາລັບການລວມເຂົ້າໃນການຈໍາລອງການບິນແລະສະພາບແວດລ້ອມ virtual. ນອກຈາກນັ້ນ, ນັກຄົ້ນຄວ້າຄາດວ່າຈະສັງເຄາະສະພາບແວດລ້ອມ virtual 3D ຢ່າງເຕັມທີ່ຈາກຂໍ້ມູນຮູບແຕ້ມໂດຍໃຊ້ເຄື່ອງຫັນ.
ໃນໄລຍະທີ່ໃກ້ກວ່າ, ຜູ້ຂຽນເຊື່ອວ່າກອບຂອງພວກມັນສາມາດຖືກ ນຳ ໃຊ້ເຂົ້າໃນການ ນຳ ໃຊ້ໃນໂລກຕົວຈິງຫຼາຍຢ່າງ, ລວມທັງການວາງແຜນເມືອງແບບໂຕ້ຕອບແລະການສ້າງແບບ ຈຳ ລອງຂັ້ນຕອນ, ຈິນຕະນາການສະຖານະການທີ່ພາກສ່ວນກ່ຽວຂ້ອງສາມາດແກ້ໄຂແຜນທີ່ແບບໂຕ້ຕອບແລະເບິ່ງຮູບພາບທີ່ເບິ່ງຕານົກ. ພູມສັນຖານທີ່ຄາດຄະເນພາຍໃນວິນາທີ.
ໃຫມ່ ເຈ້ຍ ມາຈາກນັກຄົ້ນຄວ້າສອງຄົນຢູ່ມະຫາວິທະຍາໄລ Leeds, ແລະມີຫົວຂໍ້ ການສັງເຄາະພາບດາວທຽມແບບບໍ່ມີຮອຍຕໍ່.
ສະຖາປັດຕະຍະກໍາແລະຂໍ້ມູນການຝຶກອົບຮົມແຫຼ່ງຂໍ້ມູນ
ລະບົບໃຫມ່ເຮັດໃຫ້ການນໍາໃຊ້ຂອງ UCL Berkeley ຂອງ 2017 Pix2Pix ແລະ NVIDIA ດາບ ຖາປັດຕະຍະສັງເຄາະຮູບພາບ. ໂຄງຮ່າງການປະກອບມີສອງເຄືອຂ່າຍ neural convolutional ນະວະນິຍາຍ - ແຜນທີ່ 2 ເສົາ, ເຊິ່ງປະຕິບັດການແປງຈາກ vector ກັບຮູບພາບທີ່ອີງໃສ່ pixels ລວງ; ແລະ seam2cont, ເຊິ່ງບໍ່ພຽງແຕ່ຄິດໄລ່ວິທີການທີ່ບໍ່ມີຮອຍຕໍ່ເພື່ອລວບລວມກະເບື້ອງ 256 × 256, ແຕ່ຍັງໃຫ້ສະພາບແວດລ້ອມການສໍາຫຼວດແບບໂຕ້ຕອບ.
ລະບົບຮຽນຮູ້ການສັງເຄາະມຸມເບິ່ງດາວທຽມໂດຍການຝຶກອົບຮົມກ່ຽວກັບການເບິ່ງ vector ແລະການທຽບເທົ່າດາວທຽມຊີວິດຈິງຂອງເຂົາເຈົ້າ, ປະກອບເປັນຄວາມເຂົ້າໃຈທົ່ວໄປກ່ຽວກັບວິທີການຕີຄວາມຫມາຍ vector facets ເຂົ້າໄປໃນການຕີຄວາມຫມາຍຮູບພາບທີ່ແທ້ຈິງ.
ຮູບພາບທີ່ອີງໃສ່ vector ທີ່ໃຊ້ໃນຊຸດຂໍ້ມູນແມ່ນ rasterized ຈາກໄຟລ໌ GeoPackage (.geo) ທີ່ມີເຖິງ 13 class labels, ເຊັ່ນ: ຕິດຕາມ, ສະພາບແວດລ້ອມ ທຳ ມະຊາດ, ອາຄານ ແລະ ຖະຫນົນຫົນທາງ, ເຊິ່ງມີຜົນບັງຄັບໃຊ້ໃນການຕັດສິນໃຈປະເພດຂອງຮູບພາບທີ່ຈະໃສ່ເຂົ້າໄປໃນທັດສະນະຂອງດາວທຽມ.
ຮູບພາບດາວທຽມ .geo rasterized ຍັງຮັກສາ metadata ຂອງລະບົບການອ້າງອີງປະສານງານໃນທ້ອງຖິ່ນ, ເຊິ່ງຖືກນໍາໃຊ້ເພື່ອຕີຄວາມຫມາຍໃຫ້ເຂົາເຈົ້າເຂົ້າໄປໃນສະພາບການໃນກອບແຜນທີ່ທີ່ກວ້າງກວ່າ, ແລະເພື່ອໃຫ້ຜູ້ໃຊ້ສາມາດໂຕ້ຕອບກັບແຜນທີ່ທີ່ສ້າງຂື້ນ.
ກະເບື້ອງທີ່ບໍ່ມີຮອຍຕໍ່ພາຍໃຕ້ຂໍ້ຈໍາກັດທີ່ຍາກ
ການສ້າງສະພາບແວດລ້ອມແຜນທີ່ທີ່ສາມາດສຳຫຼວດໄດ້ແມ່ນສິ່ງທ້າທາຍ, ເພາະວ່າຂໍ້ຈຳກັດຂອງຮາດແວໃນໂຄງການຈຳກັດແຜ່ນກະເບື້ອງໃຫ້ມີຂະໜາດພຽງແຕ່ 256 x 256 ພິກເຊວເທົ່ານັ້ນ. ດັ່ງນັ້ນ, ມັນເປັນສິ່ງສໍາຄັນທີ່ຂະບວນການສະແດງຫຼືການປະກອບຄໍາຄິດເຫັນ 'ຮູບພາບໃຫຍ່' ເຂົ້າໄປໃນບັນຊີ, ແທນທີ່ຈະສຸມໃສ່ການພຽງແຕ່ຢູ່ໃນກະເບື້ອງຢູ່ໃນມື, ເຊິ່ງຈະນໍາໄປສູ່ການ jarring juxtapositions ໃນເວລາທີ່ກະເບື້ອງໄດ້ຖືກ collated, ຖະຫນົນຫົນທາງມີການປ່ຽນແປງສີຢ່າງກະທັນຫັນ, ແລະອື່ນໆທີ່ບໍ່ແມ່ນ. - ສິ່ງປອມທີ່ສະແດງໃຫ້ເຫັນຈິງ.
ດັ່ງນັ້ນ, SSS ຈຶ່ງໃຊ້ການຈັດລຽງລຳດັບຂະໜາດພື້ນທີ່ຂອງເຄືອຂ່າຍເຄື່ອງກຳເນີດເພື່ອສ້າງຄວາມຜັນຜວນຂອງເນື້ອຫາໃນຫຼາຍໆຂະໜາດ, ແລະລະບົບຈຶ່ງສາມາດປະເມີນການວັດແທກຂະໜາດກາງທີ່ຜູ້ຊົມອາດຈະຕ້ອງການໄດ້.
ສ່ວນ seam2cont ຂອງສະຖາປັດຕະຍະກໍາໃຊ້ສອງຊັ້ນຊ້ອນກັນແລະເອກະລາດຂອງຜົນຜະລິດ map2sat, ແລະຄິດໄລ່ຂອບເຂດທີ່ເຫມາະສົມໃນຂອບເຂດຂອງຮູບພາບທີ່ກວ້າງກວ່າທີ່ຈະເປັນຕົວແທນ:
ເຄືອຂ່າຍ map2sat ແມ່ນການປັບຕົວໃຫ້ເໝາະສົມຂອງເຄືອຂ່າຍ SPADE ເຕັມຮູບແບບ, ການຝຶກອົບຮົມສະເພາະທີ່ 256×256 pixels. ຜູ້ຂຽນສັງເກດເຫັນວ່ານີ້ແມ່ນການປະຕິບັດທີ່ມີນ້ໍາຫນັກເບົາແລະ spry, ເຮັດໃຫ້ນ້ໍາຫນັກພຽງແຕ່ 31.5mb ທຽບກັບ 436.9mb ໃນເຄືອຂ່າຍ SPADE ເຕັມ.
ຮູບຖ່າຍດາວທຽມຕົວຈິງ 3000 ໜ່ວຍ ໄດ້ນຳໃຊ້ເຂົ້າໃນການຝຶກອົບຮົມ 70 ເຄືອຂ່າຍຍ່ອຍໃນໄລຍະ XNUMX ສະໄໝຂອງການຝຶກອົບຮົມ; ຮູບພາບທັງຫມົດປະກອບດ້ວຍຂໍ້ມູນ semantic ທຽບເທົ່າ (ເຊັ່ນ: ຄວາມເຂົ້າໃຈແນວຄວາມຄິດໃນລະດັບຕ່ໍາຂອງວັດຖຸທີ່ພັນລະນາເຊັ່ນ 'ຖະຫນົນຫົນທາງ'), ແລະ metadata ຕໍາແຫນ່ງທີ່ຕັ້ງພູມສາດ.
ເອກະສານເພີ່ມເຕີມແມ່ນມີຢູ່ໃນຫນ້າໂຄງການ, ເຊັ່ນດຽວກັນກັບວິດີໂອປະກອບ (ຝັງຂ້າງລຸ່ມນີ້).