Laut Nachrichten vom 3. September hat das von Microsoft-Mitbegründer Paul Allen gegründete Allen Institute for AI kürzlich ein neues Tool namens Satlas veröffentlicht, das die weltweit erste Exploit-Generierung von Karten mithilfe künstlicher Intelligenztechnologie zur Verbesserung der Klarheit von Satellitenbildern enthält kann Projekte für erneuerbare Energien und Waldbestände auf der ganzen Welt zeigen.
Dieser Website ist aufgefallen, dass diese Karte Satellitenbilder des Sentinel-2-Satelliten der Europäischen Weltraumorganisation verwendet. Allerdings konnten diese Bilder die Bodendetails immer noch nicht deutlich zeigen, weshalb sie eine Lösung namens „Super-Resolution“ verwendeten. Grundsätzlich werden Deep-Learning-Modelle verwendet, um Details, etwa wie ein Gebäude aussehen könnte, einzugeben und ein hochauflösendes Bild zu erstellen.
Das obige Bild ist ein hochauflösendes Bild von Nakuru, Kenia, erzeugt durch künstliche Intelligenz, und das Bild unten ist ein niedrigaufgelöstes Bild desselben Ortes, aufgenommen per Satellit
Derzeit ist Satlas Der Schwerpunkt liegt hauptsächlich auf erneuerbaren Energieprojekten auf der ganzen Welt und der Waldbedeckung. Die Daten werden monatlich aktualisiert und decken den von Sentinel-2 überwachten Teil der Erde ab, der den größten Teil der Welt mit Ausnahme der Antarktis und der vom Land entfernten Hochsee umfasst.
Die Karte zeigt Solarparks sowie Onshore- und Offshore-Windkraftanlagen. Sie kann auch verwendet werden, um Veränderungen der Baumkronenbedeckung im Laufe der Zeit zu erkennen, was für politische Entscheidungsträger wichtig ist, die versuchen, Klima- und andere Umweltziele zu erreichen.
Laut dem Allen Institute ist dies das erste Tool, das ein so breites Spektrum an Bereichen abdeckt und kostenlos und für die Öffentlichkeit zugänglich ist. Die Entwickler gaben außerdem an, dass dies möglicherweise die erste Demonstration der Super-Resolution-Technologie weltweit sei Karte.
Natürlich gibt es noch einige Probleme, die gelöst werden müssen. Wie andere generative KI-Modelle neigt Satlas zu „Halluzinationen“ und zeichnet Gebäude manchmal auf seltsame Weise. Beispielsweise ist das Gebäude rechteckig, während das Modell möglicherweise denkt, es sei ein Trapez oder etwas Ähnliches, was möglicherweise auf Unterschiede zurückzuführen ist in Architekturstilen in verschiedenen Regionen, dass das Modell schwer vorherzusagen ist. Eine weitere häufige „Illusion“ besteht darin, Autos und Boote dort zu platzieren, wo das Modell sie aufgrund der zum Trainieren des Modells verwendeten Bilder für richtig hält.
Um Satlas zu entwickeln, musste das Team am Allen Institute manuell Satellitenbilder durchgehen und dabei 36.000 Windkraftanlagen, 7.000 Offshore-Plattformen, 4.000 Solarparks und 3.000 Baumkronen markieren. Für eine höhere Auflösung fütterten sie das Modell mit vielen Bildern mit niedriger Auflösung, die zu unterschiedlichen Zeiten am selben Ort aufgenommen wurden. Das Modell verwendet diese Bilder, um Subpixeldetails in hochauflösenden Bildern vorherzusagen.
Das Allen Institute plant außerdem, Satlas zu erweitern, um andere Arten von Karten bereitzustellen, darunter eine, die die weltweit angebauten Pflanzenarten identifiziert.
Das obige ist der detaillierte Inhalt vonMithilfe künstlicher Intelligenz verbessern Satellitenkarten die Klarheit und zeigen globale Projekte für erneuerbare Energien und die Waldbedeckung. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
