人工智能(AI)和深度學(xué)習(xí)無(wú)處不在，如今它們具有重塑城市景觀的潛力。分析景觀圖像的深度學(xué)習(xí)模型可以幫助城市規(guī)劃者可視化重建計(jì)劃，以提高美觀度并防止代價(jià)高昂的錯(cuò)誤。然而，為了使這些模型有效，它們需要準(zhǔn)確地識(shí)別和分類(lèi)圖像中的元素，這是一個(gè)稱為實(shí)例分割的挑戰(zhàn)。這一挑戰(zhàn)是由于缺乏合適的訓(xùn)練數(shù)據(jù)造成的，因?yàn)樯蓽?zhǔn)確的“地面實(shí)況”圖像標(biāo)簽涉及勞動(dòng)密集型的手動(dòng)分割。然而，最近發(fā)表的一篇論文表明，一個(gè)團(tuán)隊(duì)可能找到了答案。

通過(guò)人工智能生成創(chuàng)新的合成數(shù)據(jù)

大阪大學(xué)的研究人員通過(guò)利用基于人工智能的計(jì)算機(jī)模擬，來(lái)訓(xùn)練需要大量數(shù)據(jù)的模型，設(shè)計(jì)了解決該問(wèn)題的方法。他們的方法包括創(chuàng)建一個(gè)真實(shí)的城市3D模型來(lái)生成地面實(shí)況分割。然后，圖像到圖像模型根據(jù)地面實(shí)況數(shù)據(jù)生成逼真的圖像。此過(guò)程會(huì)產(chǎn)生類(lèi)似于實(shí)際城市的逼真圖像數(shù)據(jù)集，并配有精確生成的地面實(shí)況標(biāo)簽，從而無(wú)需手動(dòng)分割。

雖然合成數(shù)據(jù)以前已用于深度學(xué)習(xí)，但他們的方法有所不同，通過(guò)城市結(jié)構(gòu)模擬為現(xiàn)實(shí)世界模型創(chuàng)建足夠的訓(xùn)練數(shù)據(jù)。通過(guò)按程序生成現(xiàn)實(shí)城市的3D模型并使用游戲引擎創(chuàng)建分割圖像，他們可以訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)將形狀轉(zhuǎn)換為具有現(xiàn)實(shí)城市紋理的圖像，從而生成街景圖像。

優(yōu)勢(shì)及未來(lái)前景

這種方法消除了對(duì)實(shí)際建筑物的公開(kāi)可用數(shù)據(jù)集的必要性，并且能夠分離單個(gè)對(duì)象，即使它們?cè)趫D像中重疊也是如此。它顯著減少了人力，同時(shí)生成高質(zhì)量的訓(xùn)練數(shù)據(jù)。為了驗(yàn)證其有效性，研究人員在模擬數(shù)據(jù)上訓(xùn)練了分割模型，并將其與在真實(shí)數(shù)據(jù)上訓(xùn)練的模型進(jìn)行了比較。人工智能模型在涉及大型、獨(dú)特建筑物的實(shí)例上表現(xiàn)類(lèi)似，但數(shù)據(jù)集準(zhǔn)備時(shí)間大幅減少。

研究人員的目標(biāo)是提高圖像到圖像模型在不同條件下的性能。他們的成就不僅解決了訓(xùn)練數(shù)據(jù)的短缺問(wèn)題，還降低了與數(shù)據(jù)集準(zhǔn)備相關(guān)的成本，為深度學(xué)習(xí)輔助城市景觀美化的新時(shí)代鋪平了道路。