KI-gesteuerte Entwicklung des neuen offenen Gebäudedatensatzes enthüllt

Heim

Nachricht

10. April 2025

HarryGonzález

# ai # Maps # research

KI-gesteuerte Entwicklung des neuen offenen Gebäudedatensatzes enthüllt

Im Jahr 2021 startete das Google Research Africa-Team offene Gebäude, einen Open-Source-Datensatz, der mithilfe von KI- und hochauflösenden Satellitenbildern Fußabdrücke im globalen Süden aufbaut. Ihr Ziel war ziemlich einfach: ein großes Loch in die Daten über Bevölkerung und Dichte in Entwicklungsländern zu schließen. Mit der dritten Version verfügt ihr Datensatz jetzt mit Polygonen für satte 1,8 Milliarden Gebäude über 58 Millionen km² in Afrika, Süd- und Südostasien, Lateinamerika und der Karibik. Eine Gruppe von Leuten, von Regierungen bis hin zu UN, und sogar Forscher und gemeinnützige Organisationen, haben offene Gebäude verwendet, um die Bevölkerungsgröße und -verteilung in den Griff zu bekommen. Dies hat ihnen geholfen, für Dinge wie Impfantriebe und Katastrophenreaktion besser zu planen. Außerdem wird sogar Google Maps mit dem Hinzufügen von Millionen von Gebäuden, die zuvor nicht zugeordnet wurden, eingefügt. Das in Ghana ansässige Team, aber mit Mitgliedern, die an Orten wie Tel Aviv und Zürich verstreut sind, hat die Mission, das Projekt noch nützlicher zu machen. "Wir sind immer im Hackathon -Modus, probieren neue Ideen aus und stellen sich Herausforderungen an", sagt Abdoulaye Diack, Manager von Google Research Program. "Eine Sache, die wir mit dem ursprünglichen Datensatz nicht machen konnten, war, dass sich die Bereiche im Laufe der Zeit ändern - es war statisch. Und das wollten unsere Partner wirklich." Kommerzielle Satellitenbildanbieter konzentrieren sich in der Regel auf Gebiete, die die Dollars einbringen, und lassen etwa 40% der Welt, hauptsächlich im globalen Süden, ohne regelmäßige hohe Abdeckung. Einige abgelegene Stellen und informelle Siedlungen erhalten überhaupt keine Berichterstattung. In der Zwischenzeit wurde angenommen, dass Open-Source-Bilder aus dem Sentinel-2-Satelliten der Europäischen Weltraumagentur, das alle fünf Tage ein globales Bild einschnappt, als zu niedrig für die Erkennung von Bauen angesehen wurde. Aber das Team dachte, es wäre nicht so groß, wie sie dachten, also haben sie es geschossen. Zuerst fütterten sie einen einzelnen Rahmen mit niedrigem Aufliegen von Sentinel-2 in ihr Modell und baten es, Gebäudepolygone zu zeichnen. "Es war hart, aber wir haben Potenzial gesehen", sagt Abdoulaye. "Also haben wir dem Modell gesagt, wir sollen uns nur die Gebäudemasken geben - binäre Pixeldaten, die an bestimmte Stellen gebunden sind. Es lief in Ordnung, und wir dachten: 'Hey, wir können das tun.'" Nach einem Jahr der Änderung des Modells haben sie letzten Monat die offenen Gebäude 2.5D Temporal Dataset eingeführt. Es deckt 2016 bis 2023 ab und bietet einen jährlichen Schnappschuss für die Präsenz aufgebaut und zählt in weiten Teilen des globalen Südens sowie in den Bauhöhen. Dies zeigt, wie sich Städte aufgrund von Entwicklung, Katastrophen und anderen Faktoren verändern. Benutzer können eine Region auswählen, durch die Jahre hinwegblättern und die Welt wachsen lassen und in einer farbenfrohen Form von Formen schrumpfen. "Bis 2050 könnten etwa 2,5 Milliarden mehr Menschen in Städte wechseln, hauptsächlich im globalen Süden. Dieser Datensatz könnte ein Spielveränderer für Regierungen und Organisationen sein, die sich mit diesem Wachstum befassen", sagt Olivia Graham, Produktmanager von Google Research. "Wenn die Planung einer Stadt, wo wesentliche Dienstleistungen wie Gesundheitswesen und Bildung erbracht werden sollen oder wo sie Infrastruktur wie Wasser- und Energieversorgung aufbauen können, zeigt dieser Datensatz, welche Bereiche schnell wachsen." Am 28. September 2018 löste ein massives Erdbeben der indonesischen Küste von 7,4 Größe einen Tsunami aus, der auf Sulawesi rund 1,5 Millionen Menschen betrifft. Der Datensatz zeigt, wie sich der gebaute Bereich nach der Katastrophe von der Küste zurückgezogen hat. Sie können es in unserer interaktiven Earth Engine -App überprüfen. In den offenen Gebäuden 2.5d Temporal Dataset Demo können Sie auch den Bau von New Cairo, Ägypten, sehen. Wie hat es dem Team geschafft, sein Modell dazu zu bringen, Sentinel-2's Fuzzy-Satellitenbilder zu lesen und Gebäude zuversichtlich zu erkennen? Sie begannen damit, die Dinge zu schärfen. "Wir haben ein Lehrer-Schüler-Modell-Setup verwendet, um sowohl die Bilder mit niedrigem Auflösungen" superauflösend "zu machen als auch die Gebäude-Fußabdrücke herauszuholen", sagt Krishna Sapkota, Ingenieur von Google Research-Software. "Das Lehrermodell lernt, Gebäude in hochauflösenden Bildern zu erkennen und gibt dem Schülermodell Etiketten zu. Das Schülermodell, das den Datensatz tatsächlich erstellt, lernt aus der Ausgabe des Lehrers. Es kann dann mit niedrigem Auflösungsbildern von Sentinel-2 aufnehmen und erraten, wie eine Version mit höherer Auflösung aussehen würde." Das Lehrermodell gibt dem Schülermodell hochauflösende Schulungsbezeichnungen, die dann aus der Basis von Bildern mit niedrigen Auflösungen erstellen. Um das für den Erstellen von Fußabdrücken benötigte Details zu erhalten, verwendet das Modell bis zu 32 Bilder von Sentinel-2-Bildern eines Punktes für jede Vorhersage. Jeder Rahmen unterscheidet sich dank der winzigen Zeitspalt zwischen Erfassungen, was die Auflösung steigert - wie Pixel -Telefone für schärfere Bilder zu steigern. Im Gegensatz zum ursprünglichen Datensatz, der präzise polygonale Umrisse von Gebäuden ergab, verwendet der neue temporale Datensatz Rasterdaten zum Erstellen von Fußabdrücken. Es prognostiziert auch Gebäudehöhen, die für die Schätzung der Populationsdichte von entscheidender Bedeutung sind, mit einem Fehler von nur 1,5 Metern oder weniger als einer Geschichte. Vor seiner offiziellen Veröffentlichung wurde der zeitliche Datensatz an vertrauenswürdige Partner wie die ugandische gemeinnützige Sunbird AI geteilt. "Ungefähr 73% der Ugander haben keinen Strom, und Sunbird AI hat unsere ursprüngliche Datenbank verwendet, um der Regierung zu helfen, herauszufinden, wo Mikrogrids oder Sonnenkollektoren platziert werden sollen", sagt Olivia. "Mit dem neuen Datensatz betrachten sie Jinja und Fort Portal und erstellen Bilder, die den Stadträten helfen, zu erkennen, wo das Wachstum schnell stattfindet, und ihre Pläne anpassen. Es zeigt, wie beide Datensätze Teil eines größeren Toolkits sein können, um eine Bevölkerung zu verstehen und wie sie sich verändert." Die gleiche Neugier, die zum zeitlichen Datensatz führte, besteht darin, das Team zu verbessern, um es weiter zu verbessern. "Ich lebe in Ghana und sehe, welche Auswirkungen unsere Arbeit hat und kann", sagt Abdoulaye. "Viele Orte hier kämpfen mit Ressourcen, was zu Datenlücken mit großen Konsequenzen führt. Es ist eine echte Ehre, Teil eines Teams zu sein, das daran arbeitet, dies zu beheben und einen Unterschied zu machen."

Verwandter Artikel

Debatten über AI -Benchmarking haben Pokémon erreicht Sogar die geliebte Welt von Pokémon ist nicht immun gegen das Drama, das KI -Benchmarks umgibt. Ein aktueller viraler Beitrag auf X war ein wesentlicher Bestand, und behauptete, dass Googles neuestes Gemini -Modell das führende Claude -Modell von Anthropic in der klassischen Pokémon -Videospiel -Trilogie übertroffen habe. Nach der Post, Gemini

Top 10 KI -Marketing -Tools für April 2025 Künstliche Intelligenz (KI) schüttelt die Branchen links und rechts auf, und Marketing ist keine Ausnahme. Von kleinen Startups bis zu großen Unternehmen wenden sich Unternehmen zunehmend an KI -Marketing -Tools, um ihre Markensichtbarkeit zu steigern und ihr Wachstum voranzutreiben. Einbeziehung dieser Tools in Ihr Unternehmen integrieren

Wikipedia gibt KI -Entwicklern seine Daten, um Bot -Scrapers abzuwehren Die neue Strategie von Wikipedia zur Verwaltung von KI -Daten, die Wikipedia über die Wikimedia Foundation abkratzen, unternimmt einen proaktiven Schritt, um die Auswirkungen von KI -Daten zu verwalten, die auf seine Server abkratzen. Am Mittwoch kündigten sie eine Zusammenarbeit mit Kaggle an, einer Plattform, die Google gehörte und sich der Data Science und der Verpflichtung zur

Kommentare (25)

0/200

Einreichen

StevenSanchez

14. April 2025 00:10:04 GMT

This dataset is a game-changer for urban planning in the Global South! It's amazing how AI can help map building footprints so accurately. Only downside is it's a bit tricky to navigate the dataset if you're not tech-savvy. Still, a must-have for researchers!

DonaldGonzález

13. April 2025 21:52:40 GMT

グローバルサウスの都市計画に革命をもたらすデータセットです！AIが建物のフットプリントをこれほど正確にマッピングできるなんて驚きです。唯一の欠点は、技術に詳しくないとデータセットの操作が少し難しいことです。それでも、研究者にとって必須のツールです！

WillLopez

11. April 2025 22:31:22 GMT

글로벌 사우스의 도시 계획에 혁신을 가져오는 데이터셋입니다! AI가 건물의 발자취를 이렇게 정확하게 매핑할 수 있다는 것이 놀랍습니다. 단점은 기술에 익숙하지 않으면 데이터셋을 다루기가 조금 어렵다는 점입니다. 그래도 연구자에게는 필수 도구입니다!

JustinJackson

13. April 2025 11:49:41 GMT

Este conjunto de dados é um divisor de águas para o planejamento urbano no Sul Global! É incrível como a IA pode mapear as pegadas dos edifícios com tanta precisão. A única desvantagem é que pode ser um pouco complicado navegar pelo conjunto de dados se você não for muito técnico. Ainda assim, uma ferramenta essencial para pesquisadores!

RaymondRodriguez

12. April 2025 00:51:42 GMT

¡Este conjunto de datos es un cambio de juego para la planificación urbana en el Sur Global! Es increíble cómo la IA puede mapear las huellas de los edificios con tanta precisión. La única desventaja es que puede ser un poco complicado navegar por el conjunto de datos si no eres muy técnico. Aún así, una herramienta imprescindible para los investigadores!

AnthonyMartinez

11. April 2025 19:26:38 GMT

The Open Buildings dataset is a game-changer for urban planning in the Global South! It's amazing how AI and satellite imagery can map out building footprints so accurately. My only gripe is that the data updates aren't as frequent as I'd like. Still, it's a fantastic resource! 🌍

Top -Nachrichten

Optimierungen an US -Rechenzentren könnten 76 GW neue Leistungskapazität freischalten NotebookLM fügt die Funktion für Webquellen -Erkennung hinzu Ein Durchbruch bei der Erkennung von Waldbrand: Wie eine neue Konstellation von Satelliten kleinere Waldbrände früher erkennen kann Die KI von Cambium verwandelt Abfall Holz in Holz AI Computing, um die Leistung mehrerer NYCs bis 2026 zu verbrauchen, sagt Gründer Der CEO von Nvidia verdeutlicht falsche Vorstellungen über Deepseeks Marktauswirkungen OpenAIs KI, die auf Paywalled O'Reilly -Büchern ausgebildet ist, behaupten Forscher KI könnte der Schlüssel sein, um einen effizienteren öffentlichen Sektor in Großbritannien freizuschalten Google.org enthüllt 15 Mio. USD KI -Schulungsstipendien für Regierungsangestellte Die LLMs von Deep Cogito übertreffen ähnliche Modelle mit ähnlicher Größe mit IDA

Mehr

Vorgestellt