Phát triển AI-Driven của Bộ dữ liệu các tòa nhà mở mới được tiết lộ

Trang chủ

Tin tức

Ngày 10 tháng 4 năm 2025

HarryGonzález

# ai # Maps # research

Phát triển AI-Driven của Bộ dữ liệu các tòa nhà mở mới được tiết lộ

Vào năm 2021, nhóm Google Research Africa đã khởi động các tòa nhà mở, một bộ dữ liệu nguồn mở ánh xạ các dấu chân xây dựng trên toàn cầu Nam bằng AI và hình ảnh vệ tinh có độ phân giải cao. Mục tiêu của họ khá đơn giản: cắm một lỗ hổng lớn vào dữ liệu về dân số và mật độ ở các nước đang phát triển. Giờ đây, với phiên bản thứ ba, bộ dữ liệu của họ tự hào có đa giác cho 1,8 tỷ tòa nhà rộng hơn 58 triệu km² ở Châu Phi, Nam và Đông Nam Á, Châu Mỹ Latinh và Caribbean. Một nhóm người, từ chính phủ đến Liên Hợp Quốc, và thậm chí các nhà nghiên cứu và phi lợi nhuận, đã sử dụng các tòa nhà mở để xử lý quy mô dân số và phân phối. Điều này đã giúp họ lên kế hoạch tốt hơn cho những thứ như lái xe vắc -xin và ứng phó thảm họa. Thêm vào đó, nó thậm chí còn tăng cường các bản đồ của Google bằng cách thêm hàng triệu tòa nhà không được ánh xạ trước đây. Nhóm nghiên cứu, có trụ sở tại Ghana nhưng với các thành viên nằm rải rác trên những nơi như Tel Aviv và Zurich, đã thực hiện một nhiệm vụ để làm cho dự án trở nên hữu ích hơn. "Chúng tôi luôn ở chế độ Hackathon, thử các ý tưởng mới và giải quyết các thách thức", quản lý chương trình nghiên cứu của Google Abdoulaye Diack nói. "Một điều chúng tôi không thể làm với bộ dữ liệu ban đầu là cho thấy các khu vực thay đổi theo thời gian như thế nào. Nó là tĩnh. Và đó là điều mà các đối tác của chúng tôi thực sự muốn." Các nhà cung cấp hình ảnh vệ tinh thương mại thường tập trung vào các khu vực mang lại số tiền, để lại khoảng 40% thế giới, chủ yếu là miền Nam toàn cầu, không có bảo hiểm có độ phân giải cao thường xuyên. Một số điểm từ xa và các khu định cư không chính thức không nhận được bất kỳ phạm vi bảo hiểm nào cả. Trong khi đó, hình ảnh nguồn mở từ vệ tinh Sentinel-2 của Cơ quan Vũ trụ Châu Âu, có một bức ảnh toàn cầu cứ sau năm ngày, được cho là quá thấp để phát hiện xây dựng. Nhưng nhóm nghiên cứu cho rằng nó có thể không phải là một thỏa thuận lớn như họ nghĩ, vì vậy họ đã cho nó một phát súng. Đầu tiên, họ đưa một khung độ phân giải thấp duy nhất từ Sentinel-2 vào mô hình của họ và yêu cầu nó vẽ các đa giác xây dựng. "Thật khó khăn, nhưng chúng tôi đã thấy tiềm năng," Abdoulaye nói. "Vì vậy, chúng tôi đã nói với mô hình chỉ cung cấp cho chúng tôi các mặt nạ xây dựng dữ liệu pixel liên kết với các điểm cụ thể. Điều đó đã ổn, và chúng tôi nghĩ, 'Này, chúng tôi có thể làm điều này.'" Sau một năm điều chỉnh mô hình, họ đã tung ra bộ dữ liệu Temporal 2,5D mở vào tháng trước. Nó bao gồm năm 2016 đến 2023 và đưa ra một ảnh chụp nhanh hàng năm về sự hiện diện của tòa nhà và tính trên phần lớn miền Nam toàn cầu, cộng với độ cao của tòa nhà. Điều này cho thấy các thành phố thay đổi như thế nào do sự phát triển, thảm họa và các yếu tố khác. Người dùng có thể chọn một khu vực, lật qua nhiều năm và xem thế giới phát triển và thu nhỏ trong một màn hình đầy màu sắc của các hình dạng. "Đến năm 2050, khoảng 2,5 tỷ người có thể chuyển đến các thành phố, chủ yếu ở miền Nam toàn cầu. "Nếu kế hoạch của một thành phố nơi đặt các dịch vụ thiết yếu như chăm sóc sức khỏe và giáo dục, hoặc nơi xây dựng cơ sở hạ tầng như nguồn cung cấp nước và năng lượng, bộ dữ liệu này cho thấy khu vực nào đang phát triển nhanh." Vào ngày 28 tháng 9 năm 2018, một trận động đất lớn 7,4 độ lớn ngoài khơi bờ biển Indonesia đã kích hoạt một cơn sóng thần, ảnh hưởng đến khoảng 1,5 triệu người trên Sulawesi. Bộ dữ liệu cho thấy khu vực xây dựng được xây dựng từ bờ biển sau thảm họa như thế nào. Bạn có thể kiểm tra nó trong ứng dụng động cơ Trái đất tương tác của chúng tôi. Bạn cũng có thể thấy việc xây dựng New Cairo, Ai Cập, trong bản demo dữ liệu tạm thời 2.5D. Vì vậy, làm thế nào nhóm quản lý để có được mô hình của họ để đọc hình ảnh vệ tinh mờ của Sentinel-2 và tự tin phát hiện các tòa nhà? Họ bắt đầu bằng cách mài giũa mọi thứ. "Chúng tôi đã sử dụng một thiết lập mô hình giáo viên-học sinh để cả 'siêu giải quyết' các hình ảnh độ phân giải thấp và rút ra các dấu chân của tòa nhà", Kỹ sư phần mềm nghiên cứu của Google Krishna Sapkota nói. "Mô hình giáo viên học cách phát hiện các tòa nhà bằng hình ảnh độ phân giải cao và đưa nhãn cho mô hình học sinh. Mô hình học sinh, thực sự tạo ra bộ dữ liệu, học hỏi từ đầu ra của giáo viên. Sau đó, nó có thể lấy hình ảnh độ phân giải thấp từ Sentinel-2 và đoán xem phiên bản độ phân giải cao hơn sẽ như thế nào." Mô hình giáo viên cung cấp nhãn đào tạo độ phân giải cao cho mô hình học sinh, sau đó tìm ra sự hiện diện xây dựng từ hình ảnh độ phân giải thấp. Để có được chi tiết cần thiết cho các dấu chân xây dựng, mô hình sử dụng tối đa 32 khung hình ảnh Sentinel-2 của một điểm cho bất kỳ dự đoán nào. Mỗi khung hình khác nhau một chút so với các khung khác, nhờ khoảng cách thời gian nhỏ giữa các lần chụp, giúp tăng độ phân giải giống như cách điện thoại pixel sử dụng nhiều bức ảnh cho hình ảnh sắc nét hơn. Không giống như bộ dữ liệu ban đầu, đưa ra các phác thảo đa giác chính xác của các tòa nhà, bộ dữ liệu tạm thời mới sử dụng dữ liệu raster để xây dựng dấu chân. Nó cũng dự đoán độ cao của tòa nhà, rất quan trọng để ước tính mật độ dân số, với lỗi chỉ 1,5 mét, hoặc dưới một câu chuyện. Trước khi phát hành chính thức, bộ dữ liệu tạm thời đã được chia sẻ với các đối tác đáng tin cậy như Tổ chức phi lợi nhuận Sunbird AI của Ugandan. "Khoảng 73% người dân Nigeria không có điện và Sunbird AI đã sử dụng cơ sở dữ liệu ban đầu của chúng tôi để giúp chính phủ tìm ra nơi đặt microgrid hoặc tấm pin mặt trời", Olivia nói. "Với bộ dữ liệu mới, họ đang nhìn vào Jinja và Fort Portal, tạo ra hình ảnh giúp các hội đồng thành phố thấy sự tăng trưởng đang diễn ra nhanh chóng và điều chỉnh kế hoạch của họ. Nó cho thấy cả hai bộ dữ liệu có thể là một phần của bộ công cụ lớn hơn để hiểu dân số và cách thay đổi." Sự tò mò tương tự dẫn đến bộ dữ liệu tạm thời đang thúc đẩy nhóm tiếp tục cải thiện nó. "Tôi sống ở Ghana và thấy tác động của công việc của chúng tôi đang có và có thể có", Abdoulaye nói. "Nhiều nơi ở đây đấu tranh với các nguồn lực, dẫn đến khoảng cách dữ liệu với những hậu quả lớn. Trở thành một phần của một nhóm làm việc để khắc phục điều đó và tạo ra sự khác biệt là một vinh dự thực sự."

Bài viết liên quan

Debates over AI benchmarking have reached Pokémon Even the beloved world of Pokémon isn't immune to the drama surrounding AI benchmarks. A recent viral post on X stirred up quite the buzz, claiming that Google's latest Gemini model had outpaced Anthropic's leading Claude model in the classic Pokémon video game trilogy. According to the post, Gemini

Top 10 AI Marketing Tools for April 2025 Artificial intelligence (AI) is shaking up industries left and right, and marketing is no exception. From small startups to big corporations, businesses are increasingly turning to AI marketing tools to boost their brand visibility and drive their growth. Incorporating these tools into your business

Wikipedia is giving AI developers its data to fend off bot scrapers Wikipedia's New Strategy to Manage AI Data Scraping Wikipedia, through the Wikimedia Foundation, is taking a proactive step to manage the impact of AI data scraping on its servers. On Wednesday, they announced a collaboration with Kaggle, a platform owned by Google and dedicated to data science and

Nhận xét (25)

0/200

Nộp

StevenSanchez

00:10:04 GMT Ngày 14 tháng 4 năm 2025

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

21:52:40 GMT Ngày 13 tháng 4 năm 2025

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

22:31:22 GMT Ngày 11 tháng 4 năm 2025

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

11:49:41 GMT Ngày 13 tháng 4 năm 2025

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

00:51:42 GMT Ngày 12 tháng 4 năm 2025

¡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

19:26:38 GMT Ngày 11 tháng 4 năm 2025

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! 🌍

Tin tức hàng đầu

Các trung tâm dữ liệu của Hoa Kỳ có thể mở khóa 76 GW công suất năng lượng mới Notebooklm thêm tính năng Discovery nguồn Web Một bước đột phá trong phát hiện cháy rừng: Làm thế nào một chòm sao vệ tinh mới có thể phát hiện các vụ cháy rừng nhỏ hơn sớm hơn AI của Cambium biến gỗ chất thải thành gỗ Người sáng lập AI để tiêu thụ sức mạnh của nhiều NYC vào năm 2026, người sáng lập Giám đốc điều hành NVIDIA làm rõ những quan niệm sai lầm về tác động thị trường của Deepseek AI của Openai được đào tạo về những cuốn sách O'Reilly được trả lương, các nhà nghiên cứu tuyên bố AI có thể là chìa khóa để mở khóa một khu vực công cộng hiệu quả hơn của Vương quốc Anh Google.org tiết lộ 15 triệu đô la tài trợ đào tạo AI cho nhân viên chính phủ Deep Cogito's LLMS vượt trội so với các mô hình có kích thước tương tự bằng IDA

Hơn

Đặc trưng