Desarrollo impulsado por la IA del nuevo conjunto de datos de edificios abiertos presentado

Hogar

Noticias

10 de abril de 2025

HarryGonzález

121

# ai # Maps # research

Desarrollo impulsado por la IA del nuevo conjunto de datos de edificios abiertos presentado

En 2021, el equipo de Google Research Africa inició edificios abiertos, un conjunto de datos de código abierto que mapea las huellas de edificios en todo el sur global utilizando IA e imágenes satelitales de alta resolución. Su objetivo era bastante sencillo: conectar un gran agujero en los datos sobre la población y la densidad en los países en desarrollo. Ahora, con la tercera versión fuera, su conjunto de datos cuenta con polígonos para la friolera de 1.800 millones de edificios repartidos en más de 58 millones de km² en África, el sur y sudeste de Asia, América Latina y el Caribe. Un grupo de personas, desde gobiernos hasta la ONU, e incluso investigadores y organizaciones sin fines de lucro, han estado utilizando edificios abiertos para manejar el tamaño y la distribución de la población. Esto les ha ayudado a planificar mejor para cosas como impulsos de vacunación y respuesta a desastres. Además, incluso está reforzado Google Maps al agregar millones de edificios que no estaban mapeados antes. El equipo, con sede en Ghana pero con miembros dispersos por lugares como Tel Aviv y Zurich, ha estado en una misión para hacer que el proyecto sea aún más útil. "Siempre estamos en modo Hackathon, probando nuevas ideas y abordando desafíos", dice el gerente del programa de investigación de Google, Abdoulaye Diack. "Una cosa que no pudimos hacer con el conjunto de datos original era mostrar cómo las áreas cambian con el tiempo, era estática. Y eso es algo que nuestros socios realmente querían". Los proveedores de imágenes satelitales comerciales generalmente se centran en áreas que aportan los dólares, dejando alrededor del 40% del mundo, principalmente el sur global, sin cobertura regular de alta resolución. Algunos puntos remotos y asentamientos informales no obtienen ninguna cobertura. Mientras tanto, se pensó que las imágenes de código abierto del satélite Sentinel-2 de la Agencia Espacial Europea, que infiltra una foto global cada cinco días, era demasiado baja para la detección de edificios. Pero el equipo pensó que podría no ser tan importante como pensaban, por lo que le dieron una oportunidad. Primero, alimentaron un solo marco de baja resolución de Sentinel-2 a su modelo y le pidieron que dibujara polígonos de construcción. "Fue difícil, pero vimos potencial", dice Abdoulaye. "Así que le dijimos al modelo que nos diera las máscaras de edificio: datos de píxeles binarios vinculados a puntos específicos. Le fue bien, y pensamos: 'Oye, podemos hacer esto'". Después de un año de ajuste del modelo, lanzaron el conjunto de datos temporal 2.5D de edificios abiertos el mes pasado. Cubre 2016 a 2023 y ofrece una instantánea anual de presencia de edificios y cuenta en gran parte del sur global, además de alturas de edificios. Esto muestra cómo cambian las ciudades debido al desarrollo, los desastres y otros factores. Los usuarios pueden elegir una región, pasar por los años y ver al mundo crecer y encogerse en una colorida exhibición de formas. "Para 2050, alrededor de 2.500 millones de personas más podrían mudarse a las ciudades, principalmente en el sur global. Este conjunto de datos podría cambiar el juego para gobiernos y organizaciones que se ocupan de ese crecimiento", dice la gerente de productos de Google Research Olivia Graham. "Si la planificación de una ciudad dónde poner servicios esenciales como la atención médica y la educación, o dónde construir infraestructura como el suministro de agua y energía, este conjunto de datos muestra qué áreas están creciendo rápidamente". El 28 de septiembre de 2018, un terremoto masivo de 7.4 magnitud en la costa de Indonesia desencadenó un tsunami, impactando alrededor de 1,5 millones de personas en Sulawesi. El conjunto de datos muestra cómo el área construida se retiró de la costa después del desastre. Puede verlo en nuestra aplicación Interactive Earth Engine. También puede ver la construcción de nuevo El Cairo, Egipto, en los edificios abiertos, la demostración del conjunto de datos temporales 2.5D. Entonces, ¿cómo logró el equipo que su modelo leyera las imágenes de satélite difusas de Sentinel-2 y detectara con confianza los edificios? Comenzaron afilando las cosas. "Utilizamos una configuración de modelo de maestro-alumno para 'súper resuelto' las imágenes de baja resolución y extrae las huellas del edificio", dice el ingeniero de software de Google Research Krishna Sapkota. "El modelo de maestro aprende a detectar edificios en imágenes de alta resolución y ofrece etiquetas al modelo de alumno. El modelo de alumno, que en realidad crea el conjunto de datos, aprende de la producción del maestro. Luego puede tomar imágenes de baja resolución de Sentinel-2 y adivinar cómo se vería una versión de resolución superior". El modelo de maestro ofrece etiquetas de capacitación de alta resolución al modelo de alumno, que luego descubre la presencia de construcción de imágenes de baja resolución. Para obtener los detalles necesarios para construir huellas, el modelo utiliza hasta 32 cuadros de imágenes Sentinel-2 de un lugar para cualquier predicción. Cada cuadro es un poco diferente de los demás, gracias a la pequeña brecha de tiempo entre capturas, lo que ayuda a aumentar la resolución, como cómo los teléfonos de píxeles usan múltiples tomas para imágenes más nítidas. A diferencia del conjunto de datos original, que dio contornos poligonales precisos de edificios, el nuevo conjunto de datos temporal utiliza datos de trama para construir huellas. También predice alturas del edificio, cruciales para estimar la densidad de población, con un error de solo 1,5 metros o menos de una historia. Antes de su lanzamiento oficial, el conjunto de datos temporal se compartió con socios de confianza como la organización sin fines de lucro de Uganda Sunbird AI. "Alrededor del 73% de los ugandeses no tienen electricidad, y Sunbird Ai usó nuestra base de datos original para ayudar al gobierno a descubrir dónde colocar microrredes o paneles solares", dice Olivia. "Con el nuevo conjunto de datos, están mirando a Jinja y Fort Portal, creando imágenes que ayudan a los consejos municipales a ver dónde está ocurriendo el crecimiento rápidamente y ajustar sus planes. Muestra cómo ambos conjuntos de datos pueden ser parte de un juego de herramientas más grande para comprender una población y cómo está cambiando". La misma curiosidad que condujo al conjunto de datos temporal es presionar al equipo para que siga mejorando. "Vivo en Ghana y veo el impacto que nuestro trabajo está teniendo y puede tener", dice Abdoulaye. "Muchos lugares aquí luchan con los recursos, lo que lleva a las brechas de datos con grandes consecuencias. Ser parte de un equipo que trabaja para arreglar eso y hacer la diferencia es un verdadero honor".

Artículo relacionado

億萬富翁討論自動化取代工作在本週的AI更新中大家好，歡迎回到TechCrunch的AI通訊！如果您尚未訂閱，可以在此訂閱，每週三直接送到您的收件箱。我們上週稍作休息，但理由充分——AI新聞週期火熱異常，很大程度上要歸功於中國AI公司DeepSeek的突然崛起。這段時間風起雲湧，但我們現在回來了，正好為您更新OpenAI的最新動態。週末，OpenAI執行長Sam Altman在東京停留，與SoftBank負責人孫正義會面。SoftBank是O

NotebookLM應用上線：AI驅動的知識工具 NotebookLM 行動版上線：你的AI研究助手現已登陸Android與iOS我們對 NotebookLM 的熱烈反響感到驚喜——數百萬用戶已將其視為理解複雜資訊的首選工具。但有一個請求不斷出現：「什麼時候才能帶著NotebookLM隨時使用？」等待結束了！🎉 NotebookLM行動應用程式現已登陸Android和iOS平台，將AI輔助學習的力量裝進你的

谷歌的人工智慧未來基金可能需要謹慎行事 Google 的新 AI 投資計劃：監管審查下的戰略轉變Google 最近宣布設立 AI 未來基金（AI Futures Fund），這標誌著這家科技巨頭在其塑造人工智慧未來的征程中邁出了大膽的一步。該計劃旨在為初創公司提供急需的資金、早期接觸仍在開發中的尖端人工智慧模型，以及來自 Google 內部專家的指導。儘管這不是 Google 第一次涉足初創企業生

comentario (25)

0/200

Entregar

StevenSanchez

14 de abril de 2025 00:00:00 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

14 de abril de 2025 00:00:00 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

12 de abril de 2025 00:00:00 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 de abril de 2025 00:00:00 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 de abril de 2025 00:00:00 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

12 de abril de 2025 00:00:00 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! 🌍

Noticias principales

Operai mejora el asistente de voz de IA para mejores chats Experimente el crucigrama de E/S con IA: un giro moderno en el clásico juego de palabras AI Computing para consumir la potencia de múltiples NYC para 2026, dice el fundador Notebooklm se expande a nivel mundial, agrega diapositivas y verificación de hechos mejorada El CEO de NVIDIA aclara los conceptos erróneos sobre el impacto del mercado de Deepseek Corea del Sur detiene las descargas de aplicaciones Deepseek en tiendas locales Adobe presenta 10 agentes especializados de IA: Descubra sus aplicaciones comerciales El uso de energía de ChatGPT más bajo de lo esperado El modelo O3 de OpenAI potencialmente más costoso de operar de lo que inicialmente pensó Notebooklm agrega la función de descubrimiento de fuente web

Más

Presentado