当前位置:首页> AI资讯> 人工智能对城市景观的重塑

人工智能对城市景观的重塑

释放双眼,带上耳机,听听看~!
了解人工智能如何通过深度学习技术重塑城市景观,提高城市美观度和规划效率。最新研究表明,通过合成数据训练模型,可以有效解决城市规划中的训练数据短缺问题。

人工智能对城市景观的重塑

人工智能(AI)和深度学习无处不在,如今它们具有重塑城市景观的潜力。分析景观图像的深度学习模型可以帮助城市规划者可视化重建计划,以提高美观度并防止代价高昂的错误。然而,为了使这些模型有效,它们需要准确地识别和分类图像中的元素,这是一个称为实例分割的挑战。这一挑战是由于缺乏合适的训练数据造成的,因为生成准确的“地面实况”图像标签涉及劳动密集型的手动分割。然而,最近发表的一篇论文表明,一个团队可能找到了答案。

通过人工智能生成创新的合成数据

大阪大学的研究人员通过利用基于人工智能的计算机模拟,来训练需要大量数据的模型,设计了解决该问题的方法。他们的方法包括创建一个真实的城市3D模型来生成地面实况分割。然后,图像到图像模型根据地面实况数据生成逼真的图像。此过程会产生类似于实际城市的逼真图像数据集,并配有精确生成的地面实况标签,从而无需手动分割。

虽然合成数据以前已用于深度学习,但他们的方法有所不同,通过城市结构模拟为现实世界模型创建足够的训练数据。通过按程序生成现实城市的3D模型并使用游戏引擎创建分割图像,他们可以训练生成对抗网络将形状转换为具有现实城市纹理的图像,从而生成街景图像。

优势及未来前景

这种方法消除了对实际建筑物的公开可用数据集的必要性,并且能够分离单个对象,即使它们在图像中重叠也是如此。它显着减少了人力,同时生成高质量的训练数据。为了验证其有效性,研究人员在模拟数据上训练了分割模型,并将其与在真实数据上训练的模型进行了比较。人工智能模型在涉及大型、独特建筑物的实例上表现类似,但数据集准备时间大幅减少。

研究人员的目标是提高图像到图像模型在不同条件下的性能。他们的成就不仅解决了训练数据的短缺问题,还降低了与数据集准备相关的成本,为深度学习辅助城市景观美化的新时代铺平了道路。

本网站的内容主要来自互联网上的各种资源,仅供参考和信息分享之用,不代表本网站拥有相关版权或知识产权。如您认为内容侵犯您的权益,请联系我们,我们将尽快采取行动,包括删除或更正。
AI资讯

为GenAI做好数据战略准备

2023-11-6 14:42:25

AI资讯

AI视野:Gen-2支持生成4K高清视频;Midjourney推出Style Tuner工具;钉钉 AI 魔法棒正式上线;马斯克𝕏AI团队首批产品曝光

2023-11-6 15:34:00

个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索