人工智慧助力衛星地圖提升清晰度，展示全球再生能源專案和森林覆蓋率

9 月3 日消息，由微軟聯合創始人保羅・艾倫創立的艾倫人工智慧研究院（Allen Institute for AI）最近發布了一款全新的工具，名為Satlas，其中包含全球首個利用生成式人工智慧技術提高衛星影像清晰度的地圖，可以顯示全球的再生能源專案和森林覆蓋率。

本站注意到，地圖使用了來自歐洲太空局（European Space Agency）哨兵-2（Sentinel-2）衛星的衛星圖像。但是，這些圖像仍然無法清楚地顯示地面細節，於是他們使用了一種名為「超解析度」（Super-Resolution）的解決方案。基本上就是使用深度學習模型來填補細節，例如建築物可能會是什麼樣子，從而產生高解析度的圖像。

上圖是人工智慧產生的肯亞納庫魯的高解析度影像，下圖是衛星拍攝的同一位置的低解析度影像

目前，Satlas 主要關注全球的再生能源專案和森林覆蓋率。數據每月更新，包括哨兵-2 監測的地球部分區域，這包括除了南極洲和遠離陸地的公海之外的大部分地區。

地圖顯示了太陽能發電場和陸上和離岸風力渦輪機，還可以用它來查看樹冠覆蓋率隨時間的變化，這些對於試圖實現氣候和其他環境目標的政策制定者來說非常重要。

據艾倫研究院稱，這是第一款覆蓋範圍如此廣泛且免費向公眾開放的工具，其開發者也表示，這可能是超解析度技術在全球地圖中的首次展示。

當然，還有一些問題需要解決。與其他生成式人工智慧模型一樣，Satlas 也容易出現“幻覺”，有時會以一種奇怪的方式繪製建築物，例如建築物是矩形的，而模型可能認為它是梯形或別的什麼，這可能是由於不同地區的建築風格差異導致模型難以預測。另一個常見的「幻覺」是在模型認為應該有汽車和船隻的地方放置汽車和船隻，這是基於訓練模型所使用的圖像。

為了開發Satlas，艾倫研究院的團隊不得不手動瀏覽衛星圖像，標記出3.6 萬颱風力渦輪機、7 千個海上平台、4 千個太陽能發電場和3 千個樹冠覆蓋率。對於超分辨率，他們向模型輸入了同一地方在不同時間拍攝的許多低分辨率圖像。模型使用這些影像來預測高解析度影像中的亞像素細節。

艾倫研究院還計劃擴展 Satlas，提供其他類型的地圖，包括一種可以識別全球種植作物類型的地圖。

以上是人工智慧助力衛星地圖提升清晰度，展示全球再生能源專案和森林覆蓋率的詳細內容。更多資訊請關注PHP中文網其他相關文章！