Google が地図「タイムマシン」を公開: 100 年前のあなたの街はどんな様子だったでしょうか?

Google が地図「タイムマシン」を公開: 100 年前のあなたの街はどんな様子だったでしょうか?

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載しています。転載の際は出典元にご連絡ください。

あなたが育った通りは、10年前、あるいは100年前にはどんな様子だったでしょうか?

[[346939]]

△スピッツァー大谷

現在、Google は AI を使って古い画像データを復元するだけでなく、新しい「タイムトラベル」ソリューションもリリースしています。

このように、3D 視点を使用して、1890 年から 1970 年にかけてのマンハッタンのチェルシー地区の建築の変化を見てみましょう。

ちょっと歴史的な変化のような気がしませんか?

このような「タイムマシン」のエンジンは、Google がリリースしたブラウザベースのツールセットであり、主に次の 3 つの部分で構成されています。

  • クラウドソーシングプラットフォーム。ユーザーは、歴史的な都市地図をアップロードし、それを現実世界の座標と照合し、地理補正し、ベクトル化することができます。
  • 時空間マップサーバー。都市の地図が時間の経過とともにどのように変化するかを表示できます。
  • 3D 体験プラットフォーム。 rǝ マップ サーバー上で実行され、ディープラーニングを使用して、限られた歴史的画像とマップ データに基づいて 3D の建物を再構築し、3D エクスペリエンスを作成します。

クラウドソーシングを通じて構築

都市の過去を再構築する上で最も難しいのはデータにあります。利用できる画像はほとんどなく、画像から得られるメタデータは当然ながら現代の地図よりもはるかに少ないのです。

この課題を解決するために、Google のエンジニアは、Google Cloud と Kubernetes 上で実行されるオープンソース ツール rǝ を使用しました。

その機能は、クラウドソーシングを使用して、ユーザーが共同で時間軸を持つマップ サーバーを作成できるようにすることです。

具体的には、ユーザーはブラウザを通じてさまざまな時代の紙の地図のスキャンをアップロードし、地理補正を実行して歴史的な地図を現実世界の座標と一致させることができます。

次に、ランドマークや道路などの地理的特徴をトレースして、歴史的な地図を OSM ベクター形式に変換しました。

これらのベクター マップはタイル サーバーによってレンダリングされた後、Google マップでよく見られる、拡大やパンが可能なスリッピー マップになります。

3Dモデルの再構築

次のステップは、これらの画像と地図データを使用して、歴史上に登場した建物の 3D 構造を再構築することです。

ここで難しいのは、ほとんどの場合、建物の歴史的な画像が 1 つしかない可能性が高いことです。この目的のために、Google のエンジニアは、粗から細までの認識および再構築アルゴリズムを開発しました。

図に示すように、まず、クラウドソーシングによる注釈や自動検出アルゴリズムに基づいて、地図上のマークや歴史的画像内の建物のファサードを識別し、大まかな 3D 構造を生成します。

同時に、アルゴリズムは窓、入り口、階段など、建物のファサードにある個々のコンポーネントをすべて識別し、そのカテゴリに基づいて詳細な 3D 構造を再構築します。

これら 2 つを組み合わせると、最終的な 3D メッシュが得られます。結果は 3D ライブラリに保存され、次のレンダリングのために準備されます。

このアルゴリズムに関係する SOTA ディープラーニング モデルには次のものがあります。

  • 窓、入り口、階段などのファサード コンポーネントの注釈を使用してトレーニングされた RCNN を使用して、履歴画像内の境界ボックス レベルのインスタンスを特定します。
  • セマンティック セグメンテーション モデル DeepLab は、各セマンティック クラスにピクセル レベルのラベルを提供します。
  • ファサード上に生成されるウィンドウが等間隔で一貫した形状になるように特別に設計されたニューラル ネットワーク。同時に、階段や窓などの異なるセマンティック クラス間の一貫性も確保され、これらのコンポーネントが適切な位置に配置されるようになります。

世界の街と「Microsoft Flight Simulator」を復元

これに先立ち、マイクロソフトはAIスタートアップBlackshark.aiと提携し、機械学習の2Dから3Dへの変換モデルを通じて世界中の200万の町、15億の建物、3万7000の空港を再現した世界最大のシミュレーションゲーム「Microsoft Flight Simulator 2020」もリリースした。

ゲームが発売されるとすぐに、有名なゲームレビューメディアIGNは10点満点の評価を与えました。

さらに、ブラックシャークは、このような技術が将来的に自動運転にも使用される可能性があることも明らかにした。

さて、今回Googleが立ち上げたノスタルジアプロジェクトについて、どう思われますか?

興味がある方はぜひ参加してみてください。Googleは過去のデータセットとソースコードをオープンソース化すると言っていますよ〜

ポータル

公式ブログ:
https://ai.googleblog.com/2020/10/recreating-historical-streetscapes.html

Rǝ ツールセット:
https://re.city/#14.25/40.74094/-73.98798

<<:  人工知能の時代において、中国語と英語のどちらがAIの母国語になるのでしょうか?

>>:  あなたはまだ顔認識精度指標に騙されていませんか?

ブログ    
ブログ    

推薦する

アメリカの科学者が新技術を開発:ロボットが行動する前によく考えさせる

カリフォルニア大学バークレー校の新しい研究によると、ロボットはビデオ認識技術を通じて物体を移動させる...

待望のAIは人工知能か、それとも人工的な愚かさか?

[[399557]]人工知能という言葉が初めて世間の注目を集めたのは、1956 年にダートマス大学...

...

GoogleのAIチップ設計能力は人間より優れているのか?社内研究者が疑問を呈し解雇された

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

Google のコード生成システムはプログラマーの半分を「飲み込んだ」のでしょうか?人類は長い間AIに「負けて」きました!

著者: 徐潔成最近、センセーショナルなAlphaGo囲碁ロボットを発売したDeepMindが再び大き...

自己強化型機械学習プロジェクト 10 選

機械学習プロジェクトは大きな発展の可能性を秘めています。最近、韓国の人気ドラマでもこの用語が使用され...

ChatGPT は検索エンジンに取って代わることができますか?

ChatGPT は、いくつかの簡単な問題のタスクを完璧に完了できます。しかし、AI に記事全体を書...

...

NYU の具現化知能における新たな進歩: 視覚的なフィードバックで缶を開ける方法を学習し、タスクの成功率が 135% 向上、LeCun 氏はそれを好意的に評価

ロボットがペンチで簡単にワイヤーを切る様子をご覧ください。あっという間に鉄の箱の蓋が開きました。さら...

データ構造とアルゴリズム: 単調に増加する数値

[[439817]]単調に増加する数字LeetCode の問題へのリンク: https://leet...

大型モデルが最高95.8%の精度で「人肉検索」を実施!研究著者:OpenAIはGoogle Metaに注意喚起された

新しい研究(ETH チューリッヒによる)では次のことがわかりました。大規模モデルの「人間による検索」...

ドローン技術が牽引する未来のスマートシティ

テクノロジーが進化し続けるにつれ、ドローンが「破壊」と同義だった時代は終わりました。現在、ドローンは...

...