Desenvolvimento orientado a IA de novos dados de edifícios abertos revelados

Lar

Notícias

10 de Abril de 2025

HarryGonzález

121

# ai # Maps # research

Desenvolvimento orientado a IA de novos dados de edifícios abertos revelados

Em 2021, a equipe do Google Research Africa iniciou edifícios abertos, um conjunto de dados de código aberto que mapeia pegadas de construção em todo o sul global usando a IA e imagens de satélite de alta resolução. Seu objetivo era bastante direto: conectar um grande buraco nos dados sobre população e densidade nos países em desenvolvimento. Agora, com a terceira versão, seu conjunto de dados possui polígonos para um enorme 1,8 bilhão de edifícios espalhados por 58 milhões de km² na África, sul e sudeste da Ásia, América Latina e Caribe. Um monte de pessoas, dos governos à ONU, e até pesquisadores e organizações sem fins lucrativos, usam edifícios abertos para controlar o tamanho e a distribuição da população. Isso os ajudou a planejar melhor para coisas como unidades de vacinação e resposta a desastres. Além disso, ele está aprimorado no Google Maps, adicionando milhões de edifícios que não foram mapeados antes. A equipe, com sede em Gana, mas com membros espalhados em lugares como Tel Aviv e Zurique, esteve em uma missão para tornar o projeto ainda mais útil. "Estamos sempre no modo Hackathon, experimentando novas idéias e enfrentando desafios", diz Abdoulaye Diack, gerente do Google Research Program. "Uma coisa que não podíamos fazer com o conjunto de dados original foi mostrar como as áreas mudam com o tempo - era estático. E isso é algo que nossos parceiros realmente queriam". Os provedores de imagens de satélite comerciais geralmente se concentram em áreas que trazem o Bucks, deixando cerca de 40% do mundo, principalmente o sul global, sem cobertura regular de alta resolução. Alguns pontos remotos e assentamentos informais não recebem cobertura. Enquanto isso, as imagens de código aberto do satélite Sentinel-2 da Agência Espacial Europeia, que tiram uma foto global a cada cinco dias, era considerada uma resolução muito baixa para a detecção de construção. Mas a equipe achou que poderia não ser tão grande quanto eles pensavam, então eles deram uma chance. Primeiro, eles alimentaram uma única estrutura de baixa resolução do Sentinel-2 em seu modelo e pediram que ele desenhasse polígonos de construção. "Foi difícil, mas vimos potencial", diz Abdoulaye. "Então, dissemos ao modelo para nos dar as máscaras de construção - dados binários de pixels vinculados a pontos específicos. Tudo bem e pensamos: 'Ei, podemos fazer isso.'" Depois de um ano de ajuste o modelo, eles lançaram o conjunto de dados temporal de edifícios abertos no mês passado. Ele abrange 2016 a 2023 e fornece um instantâneo anual de presença de construção e conta em grande parte do sul global, além de alturas de construção. Isso mostra como as cidades mudam devido ao desenvolvimento, desastres e outros fatores. Os usuários podem escolher uma região, virar ao longo dos anos e ver o mundo crescer e diminuir em uma exibição colorida de formas. "Até 2050, cerca de 2,5 bilhões de pessoas podem se mudar para as cidades, principalmente no sul global. Esse conjunto de dados pode ser um mudança de jogo para governos e organizações que lidam com esse crescimento", diz a gerente de produtos de pesquisa do Google, Olivia Graham. "Se o planejamento de uma cidade onde colocar serviços essenciais como assistência médica e educação ou onde construir infraestrutura como fornecimento de água e energia, esse conjunto de dados mostra quais áreas estão crescendo rapidamente". Em 28 de setembro de 2018, um enorme terremoto de magnitude 7,4 na costa da Indonésia desencadeou um tsunami, impactando cerca de 1,5 milhão de pessoas em Sulawesi. O conjunto de dados mostra como a área construída se afastou da costa após o desastre. Você pode conferir em nosso aplicativo interativo de mecanismo de terra. Você também pode ver a construção do New Cairo, Egito, na demonstração do conjunto de dados temporal de edifícios abertos 2.5D. Então, como a equipe conseguiu que seu modelo leia as imagens de satélite difuso do Sentinel-2 e detecte com confiança edifícios? Eles começaram aprimorando as coisas. "Utilizamos uma configuração de modelo de professor-aluno para as imagens 'super-resolvida' das imagens de baixa resolução e retiram as pegadas de construção", diz o engenheiro de software de pesquisa do Google, Krishna Sapkota. "O modelo do professor aprende a identificar edifícios em imagens de alta resolução e fornece rótulos ao modelo do aluno. O modelo do aluno, que realmente cria o conjunto de dados, aprende com a produção do professor. Ele pode tirar imagens de baixa resolução do Sentinel-2 e adivinhar como seria uma versão de alta resolução". O modelo do professor fornece rótulos de treinamento de alta resolução ao modelo de aluno, que então descobre a presença de construção de imagens de baixa resolução. Para obter os detalhes necessários para a construção de pegadas, o modelo usa até 32 quadros de imagens Sentinel-2 de um local para qualquer previsão. Cada quadro é um pouco diferente dos outros, graças à pequena lacuna de tempo entre as capturas, o que ajuda a aumentar a resolução - como os telefones de pixels usam várias fotos para imagens mais nítidas. Diferentemente do conjunto de dados original, que forneceu contornos poligonais precisos dos edifícios, o novo conjunto de dados temporal usa dados rasteros para a construção de pegadas. Também prevê alturas de construção, cruciais para estimar a densidade populacional, com um erro de apenas 1,5 metros, ou menos de uma história. Antes de seu lançamento oficial, o conjunto de dados temporal era compartilhado com parceiros confiáveis, como a IA da Uganda, sem fins lucrativos Sunbird. "Cerca de 73% dos ugandenses não têm eletricidade, e a Sunbird AI usou nosso banco de dados original para ajudar o governo a descobrir onde colocar micro -martelos ou painéis solares", diz Olivia. "Com o novo conjunto de dados, eles estão olhando para Jinja e Fort Portal, criando visuais que ajudam os conselhos da cidade a ver onde o crescimento está acontecendo rapidamente e ajusta seus planos. Ele mostra como os dois conjuntos de dados podem fazer parte de um kit de ferramentas maior para entender uma população e como está mudando". A mesma curiosidade que levou ao conjunto de dados temporal está empurrando a equipe a continuar melhorando. "Eu moro no Gana e vejo o impacto que nosso trabalho está tendo e pode ter", diz Abdoulaye. "Muitos lugares aqui lutam com os recursos, o que leva a lacunas de dados com grandes consequências. Fazer parte de uma equipe que trabalha para consertar isso e fazer a diferença é uma verdadeira honra".

Artigo 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

Comentários (25)

0/200

Enviar

StevenSanchez

14 de Abril de 2025 à0 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 à0 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 à0 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 à0 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 à0 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 à0 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! 🌍

Principais notícias

O OpenAI aprimora o assistente de voz da IA para bate -papos melhores Experimente as palavras cruzadas de E/S da IA: uma reviravolta moderna no jogo clássico de palavras Ai computando para consumir poder de múltiplos NYCs até 2026, diz o fundador Notebooklm se expande globalmente, adiciona slides e verificação de fatos aprimorada O CEO da NVIDIA esclarece conceitos errôneos sobre o impacto do mercado de Deepseek Coréia do Sul interrompe downloads de aplicativos Deepseek em lojas locais A Adobe revela 10 agentes especializados de IA: Descubra seus aplicativos de negócios Uso de energia do ChatGPT mais baixo do que o esperado O modelo O3 do OpenAI potencialmente mais caro de operar do que se pensava inicialmente Notebooklm adiciona o recurso de descoberta de fontes web

Mais

Apresentou