Mengubah landskap bandar: Kesan kecerdasan buatan

AI dan pembelajaran mendalam sudah ada di mana-mana, dan kini mereka berpotensi untuk membentuk semula landskap bandar. Model pembelajaran mendalam yang menganalisis imej landskap boleh membantu perancang bandar memvisualisasikan rancangan pembangunan semula, meningkatkan estetika dan mengelakkan kesilapan yang mahal. Walau bagaimanapun, untuk model ini berkesan, mereka perlu mengenal pasti dan mengklasifikasikan elemen dalam imej dengan tepat, satu cabaran yang dikenali sebagai pembahagian contoh. Cabaran ini timbul kerana kekurangan data latihan yang sesuai, kerana menghasilkan label imej "kebenaran asas" yang tepat melibatkan segmentasi manual intensif buruh. Walau bagaimanapun, kertas kerja baru-baru ini mencadangkan bahawa satu pasukan mungkin telah menemui jawapannya

Menjana data sintetik yang inovatif melalui kecerdasan buatan

Para penyelidik di Universiti Osaka melatih model yang kehausan data dengan memanfaatkan simulasi komputer berasaskan kecerdasan buatan untuk mereka bentuk kaedah untuk menyelesaikan masalah ini. Pendekatan mereka melibatkan mencipta model 3D bandar yang realistik untuk menjana pembahagian kebenaran tanah. Model imej-ke-imej kemudian menjana imej realistik berdasarkan data kebenaran tanah. Proses ini menghasilkan set data imej realistik yang menyerupai bandar sebenar, lengkap dengan label kebenaran tanah yang dijana dengan tepat, menghapuskan keperluan untuk pembahagian manual.

Walaupun data sintetik telah digunakan untuk pembelajaran mendalam sebelum ini, pendekatan mereka berbeza, menghasilkan data latihan yang mencukupi untuk model dunia sebenar melalui simulasi struktur bandar. Dengan menjana model 3D bandar realistik secara prosedur dan menggunakan enjin permainan untuk mencipta imej tersegmen, mereka boleh melatih rangkaian lawan generatif untuk menukar bentuk kepada imej dengan tekstur bandar yang realistik, dengan itu menghasilkan imej paparan jalan.

Kelebihan dan prospek masa depan

Dengan pendekatan ini, tidak perlu lagi menggunakan set data bangunan sebenar yang tersedia secara terbuka, sambil dapat mengasingkan objek individu walaupun ia bertindih dalam imej. Pendekatan ini mengurangkan kos buruh dengan ketara sambil menjana data latihan berkualiti tinggi. Untuk mengesahkan keberkesanannya, penyelidik melatih model segmentasi pada data simulasi dan membandingkannya dengan model yang dilatih pada data sebenar. Keputusan menunjukkan bahawa model AI menunjukkan prestasi yang sama pada kejadian yang melibatkan bangunan besar dan unik, tetapi dengan masa penyediaan set data yang berkurangan dengan ketara Para penyelidik bertujuan untuk meningkatkan prestasi model imej-ke-imej di bawah keadaan yang berbeza. Pencapaian mereka bukan sahaja menyelesaikan kekurangan data latihan tetapi juga mengurangkan kos yang berkaitan dengan penyediaan set data, membuka jalan untuk era baharu landskap bandar berbantukan pembelajaran mendalam.

Atas ialah kandungan terperinci Mengubah landskap bandar: Kesan kecerdasan buatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!