佛羅里達(dá)大學(xué)研究人員使用 AI 和街景圖像實(shí)現(xiàn)自動(dòng)化建筑安全分析。

在佛羅里達(dá)大學(xué)人工智能助理教授 Chaofeng Wang 的努力下，圖像將發(fā)揮新的用途，例如谷歌街景中的圖像。

Wang 的項(xiàng)目致力于研究如何將街景圖像與深度學(xué)習(xí)相結(jié)合，以實(shí)現(xiàn)城市建筑評(píng)估的自動(dòng)化。該項(xiàng)目旨在通過(guò)提供加固建筑結(jié)構(gòu)或進(jìn)行災(zāi)后恢復(fù)所需的信息，幫助政府減少因自然災(zāi)害造成的損失。

在地震等自然災(zāi)害發(fā)生后，地方政府通常會(huì)派出工作小組對(duì)建筑物狀況進(jìn)行檢查和評(píng)估。如果完全依靠人力，檢查完一個(gè)城市的全部建筑可能需要長(zhǎng)達(dá)數(shù)月的時(shí)間。

Wang 的項(xiàng)目使用 AI 對(duì)這一評(píng)估流程進(jìn)行加速，將所需時(shí)間縮短到幾小時(shí)。該 AI 模型使用谷歌街景和當(dāng)?shù)卣峁┑膱D片進(jìn)行訓(xùn)練，并依據(jù)聯(lián)邦緊急事務(wù)管理局（FEMA）P-154 標(biāo)準(zhǔn)為建筑物打分。這套打分標(biāo)準(zhǔn)提供了基于墻體材料、結(jié)構(gòu)類(lèi)型、建筑年代等因素的評(píng)估指南。Wang 還與世界銀行全球彈性住房項(xiàng)目（World Bank Global Program for Resilient Housing）合作收集圖像并添加注釋?zhuān)员阌趦?yōu)化該模型。

收集到的圖像被存放在數(shù)據(jù)存儲(chǔ)庫(kù)中。該 AI 模型通過(guò)讀取存儲(chǔ)庫(kù)中的數(shù)據(jù)，進(jìn)而對(duì)圖像進(jìn)行推理，并由 NVIDIA 系統(tǒng)對(duì)這一過(guò)程進(jìn)行加速。

Wang 表示：“如果沒(méi)有 NVIDIA GPU，我們就無(wú)法完成這一任務(wù)。NVIDIA GPU 大大加快了這個(gè)流程，使我們及時(shí)獲得了結(jié)果?！?/p>

Wang 在佛羅里達(dá)大學(xué)的超級(jí)計(jì)算機(jī) HiPerGator 中使用了 NVIDIA 系統(tǒng)的節(jié)點(diǎn)。HiPerGator 是全球?qū)W術(shù)界運(yùn)行速度最快的 AI 超級(jí)計(jì)算機(jī)之一，具有 700 PB 的 AI 性能。該計(jì)算機(jī)是在 NVIDIA 聯(lián)合創(chuàng)始人之一、佛羅里達(dá)大學(xué)校友 Chris Malachowsky 的支持下，基于 NVIDIA 提供的硬件、軟件、培訓(xùn)和服務(wù)建成的。

該 AI 模型的輸出結(jié)果被編譯成一個(gè)數(shù)據(jù)庫(kù)，并錄入到一個(gè)門(mén)戶(hù)網(wǎng)站中，該門(mén)戶(hù)網(wǎng)站采用地圖形式，呈現(xiàn)了包括安全評(píng)估分?jǐn)?shù)、建筑類(lèi)型甚至屋頂或墻體材料等信息。

Wang 的研究獲得了 NVIDIA 應(yīng)用研究加速器計(jì)劃（NVIDIA Applied Research Accelerator Program）的贊助。該計(jì)劃致力于支持這些通過(guò)對(duì)商業(yè)和政府組織采用的 NVIDIA 加速應(yīng)用進(jìn)行部署，從而有潛力影響現(xiàn)實(shí)世界發(fā)展的科研項(xiàng)目。

政府的好幫手

Wang 表示，該門(mén)戶(hù)網(wǎng)站可以滿(mǎn)足不同的應(yīng)用需求。政府可以?xún)H憑街景圖像作出預(yù)測(cè)，做好應(yīng)對(duì)自然災(zāi)害的準(zhǔn)備。

他表示：“雖然這些街景都是靜態(tài)圖像，比如谷歌街景圖像，它每隔幾年才進(jìn)行一次更新。但這對(duì)于收集信息和宏觀(guān)了解統(tǒng)計(jì)數(shù)據(jù)來(lái)講已經(jīng)足夠了?！?/p>

但在農(nóng)村地區(qū)或發(fā)展中地區(qū)，由于沒(méi)有這類(lèi)街景圖像或者圖像更新頻率較低，政府需要自行收集圖像。而借助 NVIDIA GPU，就能實(shí)現(xiàn)及時(shí)得建筑評(píng)估，進(jìn)而有助于加快圖像處理的分析速度。

Wang 還表示，在經(jīng)過(guò)充分的完善后，他的研究成果還能為城市規(guī)劃和保險(xiǎn)行業(yè)帶來(lái)改變。

目前，墨西哥的一些地方政府正在對(duì)該項(xiàng)目進(jìn)行測(cè)試。還有一些非洲、亞洲和南美洲的國(guó)家也對(duì)該項(xiàng)目產(chǎn)生了濃厚的興趣。根據(jù) FEMA P-154 標(biāo)準(zhǔn)，目前該項(xiàng)目的評(píng)估分?jǐn)?shù)準(zhǔn)確率已經(jīng)達(dá)到 85% 以上。

土地勘測(cè)

Wang 提到，該項(xiàng)目面臨的一個(gè)挑戰(zhàn)是不同國(guó)家的城市景觀(guān)差異。各地區(qū)有自己特色的文化和建筑風(fēng)格。由于 AI 模型沒(méi)有在足夠大或足夠多樣化的圖像庫(kù)上進(jìn)行訓(xùn)練，因此在進(jìn)行墻體材料分析時(shí)，可能會(huì)受到油漆顏色等因素的影響。城市密度的差異也是該項(xiàng)目面臨的另一個(gè)挑戰(zhàn)。

Wang 表示：“這是當(dāng)前 AI 技術(shù)普遍面臨的局限性。為了能夠發(fā)揮應(yīng)用價(jià)值，我們需要有足夠多的訓(xùn)練數(shù)據(jù)來(lái)代表真實(shí)世界的街景分布。所以我們正在通過(guò)努力收集數(shù)據(jù)來(lái)解決泛化問(wèn)題。”

為了克服這一挑戰(zhàn)，Wang 希望能在更多的城市訓(xùn)練和測(cè)試該模型。到目前為止，他已經(jīng)測(cè)試了不同國(guó)家的八座城市。

他表示：“我們需要生成更加詳細(xì)、高質(zhì)量的注釋來(lái)訓(xùn)練該模型。這樣我們才能不斷改進(jìn)，使其在未來(lái)得到更廣泛的應(yīng)用?！?/p>

Wang 的目標(biāo)是讓這個(gè)項(xiàng)目能夠達(dá)到作為服務(wù)進(jìn)行部署的程度，支持更多行業(yè)的應(yīng)用。

“我們正在創(chuàng)建能夠估算和分析建筑與住戶(hù)的應(yīng)用編程接口，以實(shí)現(xiàn)與其他產(chǎn)品的無(wú)縫集成。我們還在構(gòu)建一個(gè)可供所有政府機(jī)構(gòu)和組織使用的用戶(hù)友好型應(yīng)用。”

GTC 2024 將于 2024 年 3 月 18 至 21 日在美國(guó)加州圣何塞會(huì)議中心舉行，線(xiàn)上大會(huì)也將同期開(kāi)放。點(diǎn)擊“閱讀原文”或掃描下方海報(bào)二維碼，立即注冊(cè) GTC 大會(huì)。