Инструмент, впервые продемонстрированный в начале месяца, использует спутниковые снимки со спутников Sentinel-2 Европейского космического агентства. Оригинальные изображения со спутников по-прежнему дают довольно размытое представление о реальном положении дел на земле. Что предлагает новая технология? Функция под названием «Суперразрешение», использует модели глубокого обучения для заполнения деталей, например моделируя, как могут выглядеть здания и отдельные улицы в сверхвысоком качестве.
На данный момент Satlas фокусируется на проектах возобновляемой энергетики и древесном покрове по всему миру. Данные обновляются ежемесячно и включают в себя части планеты, контролируемые Sentinel-2. Сюда входит большая часть мира, за исключением частей Антарктиды и открытых океанов вдали от суши.
На нем показаны солнечные фермы, а также береговые и морские ветряные турбины. Вы также можете использовать его, чтобы увидеть, как покрытие крон деревьев менялось с течением времени. Конечно, в первую очередь технология станет инструментом для политиков, стремящихся достичь климатических и других экологических целей. Однако по данным Института Аллена, никогда не существовало столь дорогостоящего инструмента, который был бы доступен широкой публике бесплатно.
По словам разработчиков, это также, вероятно, одна из первых демонстраций метода генеративного сверхвысокого разрешения на глобальной карте. Как и всегда при запуске масштабных проектов, существует ряд нюансов требующих доработки. Как и другие модели генеративного ИИ, Сатлас по-прежнему склонен к «галлюцинациям».
Вы можете назвать это галлюцинацией или недостаточной точностью, но инструмент рисовал здания причудливым образом. Может быть так, что в действительности здание прямоугольное, а модель считает, что оно трапециевидное и так далее
— Ани Кембхави, старший директор по компьютерному зрению в Институте Аллена.
Это может быть связано с различиями в архитектуре от региона к региону, которые модель не очень хорошо предсказывает. Другая распространенная галлюцинация — размещение автомобилей и судов в местах, которые, по мнению модели, должны быть основаны на изображениях, использованных для ее обучения.
Чтобы разработать Satlas, команде Института Аллена пришлось вручную просмотреть спутниковые снимки, чтобы обозначить 36 000 ветряных турбин, 7 000 морских платформ, 4 000 солнечных ферм и 3 000 процентов древесного покрова. Именно так они обучили модели глубокого обучения распознавать эти функции самостоятельно. Для достижения сверхразрешения они предоставили моделям множество изображений одного и того же места в низком разрешении, сделанных в разное время. Модель использует эти изображения для прогнозирования субпиксельных деталей в генерируемых изображениях с высоким разрешением.
Институт Аллена планирует расширить Сатлас, чтобы предоставить другие виды карт, в том числе карту, которая может определить, какие виды культур высаживаются по всему миру.
Нашей целью было создать своего рода базовую модель для мониторинга нашей планеты. И затем, как только мы создадим эту базовую модель, настроим ее для конкретных задач, а затем сделаем эти прогнозы ИИ доступными для других ученых, чтобы они могли изучать последствия изменения климата и других явлений, происходящих на Земле
— Ани Кембхави.
